AdaGraph:通过图统一预测和连续域适应
分类的能力是视觉智能的基石,也是人工、自主视觉机器的关键功能。如果没有能够在各种视觉领域适应和泛化的算法,这一问题永远难以解决。在域适应和泛化问题上,该论文《AdaGraph: Unifying Predictive and Continuous Domain Adaptation through Graphs》聚焦在可预测域适应场景,也就是没有可用的目标数据情况下,且系统需要从注释源图像和辅助域关联元数据未标记样本学习泛化。其贡献包括:这是首个能够通过图利用辅助域信息解决预测域适应问题的深度架构。此外,作者展示了一个简单但高效的策略,让我们在连续域适应场景能够利用测试阶段进来的目标数据。在三种基准数据集上的实验证实了该方法的价值。