ICCV 2021 | G-SFDA：无需源数据的领域自适应方法

©PaperWeekly 原创 · 作者 | 张一帆

学校 | 中科院自动化所博士生

研究方向 | 计算机视觉

这篇文章介绍一篇 ICCV 2021 的工作：Generalized Source-free Domain Adaptation。这篇文章和传统 DA 的 setting 关注点有以下一些不同：

1. 模型在 source/target domain 上都要有不错的表现；

2. 在 adaptation 的时候，我们只能得到目标域的无标签数据和在源域预训练好的模型，而不能获取源域的训练数据。

我们首先介绍一下本文的 setting，然后细节的介绍一下本文的方法，最后看一下实验和结论。

论文标题：

Generalized Source-free Domain Adaptation

论文链接：

https://arxiv.org/abs/2108.01614

项目地址：

https://github.com/Albert0147/G-SFDA

Problem Setting and Notations

公式化的描述本文所谓的 source-free domain adap-tation（G-SFDA）setting。给定源域数据 和目标域数据