©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:
模型在 source/target domain 上都要有不错的表现;
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