异构模态无监督域适应:通过潜在空间桥接
Heterogeneous-Modal Unsupervised Domain Adaptation via Latent Space Bridging
精选理由
提出跨模态无监督域适应框架,利用无标注配对桥接域实现2D与3D知识迁移。
AI 摘要
arXiv:2506.15971v2 公告类型:替换交叉版本 摘要:无监督域适应(UDA)能够有效弥合有标注源域与无标注目标域之间的域差异,但其前提是假设两个域具有相同的模态。异构域适应(HDA)则处理跨域的不同特征空间,但要求目标域样本带有标注,或存在连接源域与目标域的配对数据。当有标注源域和完全无标注目标域分别具有完全不同的模态(例如二维图像和三维点云)时,上述两种方法均不适用。为解决这一局限,我们提出了一种新的设置,称为异构模态无监督域适应(HMUDA)。该设置通过一个无标注桥接域跨模态迁移知识,其中包含来自两种模态的配对观测,且其分布可能偏离源域和目标域的分布。为在HMUDA设置下进行学习,我们提出了Latent Space Bridging(LSB),这是一种双分支框架:通过对桥接域配对样本施加特征一致性损失来缩小模态差异,并通过类别质心对齐损失来减小源域与目标域之间的差异。在涵盖二维到三维和三维到二维迁移的八种基准设置上进行的大量实验表明,LSB达到了最先进的性能。