UDA-Bench を用いた大規模な経験的研究により、バックボーン・アーキテクチャ、教師なしデータ量、事前学習データの影響を明らかにし、教師なし領域適応手法の有効性を再検討する。
データ剪定を通じて、訓練データ分布を目標データ分布に整合させることで、領域適応を行う。
提案手法DeepHOTは、ドメイン間の階層的な構造関係をモデル化することで、ドメイン不変かつカテゴリ識別力の高い表現を学習する。
