域适应方法顶刊论文列表 近两年（2020-2021）
作者：joey chang
链接：https://zhuanlan.zhihu.com/p/435500997
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
本文主要整理域适应(Domain Adaptation)方法近两年在各大顶刊上发表的论文进行整理，主要包含TPAMI、TNNLS以及TIP三大刊物。然后总结相关研究热点和趋势。由于个人精力有限，个别论文可能有疏漏，还请路过的学霸们多多指出~
一、TPAMI
2021年
Zero-shot Deep Domain Adaptation with Common Representation Learning （提出可迁移到任务不相关的目标域）
Learning across Tasks for Zero-Shot Domain Adaptation from a Single Source Domain （Zero-shot DA+域相关）
Source Data-absent Unsupervised Domain Adaptation through Hypothesis Transfer and Labeling Transfer （信息最大化+自监督 实现没有源域数据的情况下实现域特征对齐）
Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain Adaptation using Structurally Regularized Deep Clustering （探索不破坏数据结构的情况实现UDA）
Generalized Domain Conditioned Adaptation Network （域差异大情况下性能下降归因于 domain-specialized low-level特征提取不充分 + 为每个域做实现相应的通道激活）
Category-Level Adversarial Adaptation for Semantic Segmentation using Purified Features （考虑与目标域无关的特征（噪声）对域特征对齐的影响）
Divergence-agnostic Unsupervised Domain Adaptation by Adversarial Attacks （考虑源域和目标域数据均不可用的情况下，通过对抗攻击提高模型泛化能力）
Self-Supervised Learning Across Domains （通过设计自监督任务提升模型泛化能力）
Contradistinguisher: A Vapnik's Imperative to Unsupervised Domain Adaptation （通过学习contrastive features实现DA，避免域对齐）
Triple Adversarial Learning and Multi-view Imaginative Reasoning for Unsupervised Domain Adaptation Person Re-identification （行人重识别中的DA问题+多视图推理+行人间的域差异）
Learning to Adapt Invariance in Memory for Person Re-Identification (主要解决ReID中的目标域中的三种不变形：Examplar-Invariance, Camera-Invariance 以及 Neighborhood-Invariance)
2020年
Maximum Density Divergence for Domain Adaptation （结合adversarial training 和 metric learning减少域差异）
Deep Residual Correction Network for Partial Domain Adaptation (部分域适应+plugged residual block)
Contrastive Adaptation Network for Single- and Multi-Source Domain Adaptation (类内域差异+类间域差异)
Heterogeneous Graph Attention Network for Unsupervised Multiple-Target Domain Adaptation （单源域多目标域问题+通过异构图注意力网络为所有域学习统一的子空间）
MultiDIAL: Domain Alignment Layers for (Multisource) Unsupervised Domain Adaptation （设计的域对齐layers不仅可以对齐域特征，还可学到每层特征的匹配程度）
Domain Stylization: A Fast Covariance Matching Framework Towards Domain Adaptation (模拟数据到真实数据的DA，边缘分布covariance对齐+条件分布covariance对齐)
Unsupervised Domain Adaptation for Depth Prediction from Images （解决深度预测中的DA问题+Stereo Matching）
Map-Guided Curriculum Domain Adaptation and Uncertainty-Aware Evaluation for Semantic Nighttime Image Segmentation (白天到夜间图像分割中的DA问题+课程学习)
二、TNNLS
2021年
Open Set Domain Adaptation: Theoretical Bound and Algorithm (提出open set difference度量目标分类器在未知类别上的risk)
Adversarial Entropy Optimization for Unsupervised Domain Adaptation (最小化最大化熵地对抗学习域不变特征)
Open Set Domain Adaptation With Soft Unknown-Class Rejection （传统OSDA采用阈值区别未知类，本文提出Soft Rejection的方法）
Cross-Domain Graph Convolutions for Adversarial Unsupervised Domain Adaptation （学习域不变特征可导致样本和类别结构发生扭曲，本文结合图的方法对齐样本和类别结构）
Cross-Domain Graph Convolutions for Adversarial Unsupervised Domain Adaptation
Learning Smooth Representation for Unsupervised Domain Adaptation
2020年
Incremental Unsupervised Domain-Adversarial Training of Neural Networks （增量UDA问题+伪标签）
Deep Subdomain Adaptation Network for Image Classification (提出 local maximum mean discrepancy 解决class-level的分布对齐)
三、TIP
2021年
Knowledge Exchange Between Domain-Adversarial and Private Networks Improves Open Set Image Classification （在学习域不变特征的基础上，提出Private Network 区分已知类别和未知类别）
Neutral Cross-Entropy Loss Based Unsupervised Domain Adaptation for Semantic Segmentation （基于熵最小化的UDA方法中存在over-sharpen预测分布的问题，提出neutral cross-entropy loss）
Progressive Modality Cooperation for Multi-Modality Domain Adaptation （多模态DA问题）
2020年
Attention Guided Multiple Source and Target Domain Adaptation （基于注意力的多源域多目标域域适配）
Generating Target Image-Label Pairs for Unsupervised Domain Adaptation （通过生成目标图像标签对实现Class-level分布对齐）
四、文献总结
通过回顾近两年的文献可以看出以下研究热点和趋势：
（1）由单域向多域进行探索（包括源域和目标域）
（2）由标签闭集向标签开集研究
（3）从domain-level的分布差异对齐到sample-level以及class-level的分布差异对齐
（4）考虑负迁移（噪声等因素）以及欠迁移（特征提取不充分）的影响
（5）源域或者目标域数据训练时不可用的场景
- 点赞
- 收藏
- 关注作者
评论（0）