最优传输论文（四十三）：Unsupervised Multi-source Domain Adaptation Without Access to Source Data论文原理

---

前言

• 文章来自2021年的CVPR
• 本文是本人领域自适应与最优传输系列论文的第43篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~

---

摘要

• 这一篇论文很有看点，它不访问源域数据来完成领域自适应。
• 无监督域自适应(UDA)的目标是通过从一个独立的有标记源域转移知识来学习一个无标记域的预测模型。然而，大多数传统的UDA方法都假设在训练期间可以访问源数据，但由于隐私、安全和存储方面的考虑，这可能不太实际。最近的一项工作解决了这个问题，并提出了一种算法，该算法将知识从单个源模型转移到未标记的目标领域，而不需要访问源数据。然而，为了适应的目的，如果有多个训练源模型可供选择，该方法必须对每个模型分别进行适应，以检查最佳源。因此，我们提出一个问题:我们能否找到没有源数据和目标标签的源模型的最佳组合，其性能