Core Concepts
自己学習を使用して、不確かなターゲットサンプルを選択し、クリーンな擬似ラベル付きサンプルをガイドする方法を提案します。
Abstract
抽象:ソースデータにアクセスせずに事前トレーニングされたソースモデルを使用して、ターゲットドメインでの利用を可能にするSFUDAの解決策。
自己学習方法は、クラス情報の最大利用を目指すSFUDA手法。
APSモジュールは、隣接サンプルからの情報分析により騒々しい擬似ラベルを効果的に除去。
CACLは、クリーンな擬似ラベル付きサンプルに対してクラスごとのコントラスト学習を適用し、信頼性の高い学習を促進。
Stats
クリーンな擬似ラベル付きサンプルが選択されることで精度が向上することが示されています。
Quotes
"APSモジュールは、騒々しい擬似ラベルを除去し、適応プロセスを改善します。"
"CACLは、クラスごとのコントラスト一貫性を強制することで堅牢な表現学習を実現します。"