AAAI 2024 | 基于提示的分布对齐用于无监督域适应

主要观点总结

本文首先通过实验验证了视觉语言模型（VLM）在无监督域适应（UDA）中的有效性，并提出了一种基于提示的分布对齐（PDA）方法，用于无监督域适应。PDA方法旨在通过调整提示来减小源域和目标域之间的差异，提高UDA的性能。该方法包括两个训练分支：基础分支和对齐分支。基础分支确保模型对不同类别具有区分能力，而对齐分支则通过图像引导特征调整（IFT）获取域不变信息。作者通过广泛的实验证明，所提出的PDA方法在三个基准数据集上取得了先进性能。

关键观点总结

关键观点1: 论文创新点

验证了VLM在无监督域适应中的有效性，并提出新的PDA方法

关键观点2: PDA方法的设计

采用双训练分支结构，包括基础分支和对齐分支，通过图像引导特征调整获取域不变信息

关键观点3: PDA方法的实施

采用多模态提示范式设计基础分支提示，利用对比损失函数进行训练，并利用伪标签增强目标域数据训练。通过构建特征库和图像引导特征调整（IFT）实现源域和目标域的对齐。

关键观点4: 实验和结果

作者在三个基准数据集上进行了实验，证明PDA方法取得了先进性能。