Nov, 2023

SEA++：基于多图的高阶传感器校准在多变量时间序列无监督领域自适应中的应用

PDF
TL;DRSEA and SEA++ are proposed for Multivariate Time-Series Unsupervised Domain Adaptation (MTS-UDA), aiming to reduce domain discrepancies at both the local and global sensor levels, and have demonstrated state-of-the-art performance on public MTS datasets for MTS-UDA.
发现论文，激发创造
  • GeoMultiTaskNet: 利用地理坐标进行遥感非监督域自适应

    提出了一种新的轻量级模型 ——GeoMultiTaskNet，使用地理坐标对源领域和目标领域进行信息对齐，采用动态类别抽样（Dynamic Class Sampling）策略来适应语义分割的损失函数，将其用于自然资源遥感图像分割，并取得了最先进的性能。

    Apr, 2023

  • T-UDA：序列点云中的时态无监督领域适应

    通过结合输入数据的时间和跨传感器的几何一致性和均值教师方法，我们引入了一种新颖的领域适应方法，称为 T-UDA（时间 UDA），该方法在驾驶场景的 3D 语义分割任务中取得了显著的性能提升。

    Sep, 2023

  • MEnsA: 用于三维点云的无监督多目标领域自适应的混合集成平均方法

    提出一种混合不同领域的特征表示以实现更好的领域自适应性能的多目标域自适应基线方法，称为 MEnsA，通过在共享的潜在空间中使用域分类器来改进区分源域和目标域的特征表示的能力，在具有挑战性的 PointDA-10 数据集上进行实验证明了该方法相对于之前的无监督单目标域自适应和多目标域自适应方法的显着优势。

    Apr, 2023

  • 多源交叉领域分类中基于领域特定分布和分类器的对齐

    本文提出了一个两阶段的框架，用于多源无监督域适应问题，该问题包含了来自多个不同数据源的标记数据。该框架通过在多个特定特征空间中对每对源和目标域的分布进行对齐，以及利用领域特定的决策边界对分类器的输出进行对齐，以解决域内不变表示对于所有域的提取困难和方法在不考虑领域特定决策边界的情况下匹配分布可能带来的问题，这种方法在经典的图像分类数据集上取得了显著的结果。

    Jan, 2022

  • 多源无监督图领域自适应中的可迁移性建模

    我们提出了一种基于图模型的多源自适应框架，通过图域选择器、子图节点选择器和双层对齐目标来解决多源无监督域自适应问题，实验证明该方法的有效性。

    Jun, 2024

  • 多源域自适应的时刻匹配

    本文提出并介绍了一种基于 Moment Matching 的多源领域适应方法 (M3SDA)。借助我们构建的数据集 DomainNet，该方法可以动态地对多个带标签源领域的知识进行转移，以对目标领域的无标签数据进行分类。实验结果表明我们的数据集可以有效评估现有的多源领域适应方法，同时也验证了该方法的优越性。

    Dec, 2018

  • SegDA：基于伪标签的最大可分离段掩膜的领域自适应语义分割

    通过使用 SynthDA 模块、Equiangular Tight Frame (ETF) 分类器以及噪声校正等方法，我们的研究论文在四个不同的领域适应性基准测试上都取得了显著的改进。

    Aug, 2023

  • 无精确共享类别的多目标无监督域适应

    本文提出了一种针对具有一个源域和多个目标域的无监督域适应场景 (1SmT) 的模型参数自适应转移的无监督域适应框架 (PA-1SmT)，该框架通过学习一个共同的模型参数词典进行知识转移，并在三个领域适应基准数据集上实验验证了其优越性。

    Sep, 2018

  • 深度无监督领域适应用于时间序列分类：基准研究

    本研究基于深度学习方法，针对时间序列数据提出了一个全面的基准评估标准，主要解决无监督域适应在时序分类中的不足，通过引入七个新的基准数据集，涵盖了各种模态转换和时间动态问题，并利用先进的神经网络骨干（如 Inception）进行方法评估，不仅突出了各种方法的优势和限制，而且符合无监督域适应的本质，对实际问题具有直接应用性，为时间序列数据中的领域适应解决方案的研究推进和创新提供了重要资源。

    Dec, 2023

  • 自我引导适应：逐步表示对齐的领域自适应目标检测

    提出了一种名为 “自主引导自适应” 的方法，该方法通过计算难度因素来提高跨域对象检测模型的鲁棒性，并表现出在大范围领域转移方面的有效性。

    Mar, 2020