[2019 CVPR] Universal Domain Adaptation

---

Table of content (short-version) [paper] [github]

• Summary
• Motivation
• Architecture
• Experimental results
• References

---

Summary

• UDA(source domain만 알고 target domain는 전혀 모름) 개념 도입

---

Motivation

• DA는 존재하는 prior knowledge를 이용하여 domain gap을 줄이는 것이 목표이다.
• DA는 어려가지로 분류할 수 있는데, 일반화가 안 되어있다.
• Patial DA에서 학습한 모델을 closed DA에 적용하면 잘 안된다.
• Source와 target의 label관계에 대한 prior knowledge가 전혀 없는 가장 일반화된 DA가 필요하다.

[Universal domain adaptaion의 개념]

---

Architecture

• 전체 프레임워크
  • 파란색이 새롭게 제안한 네트워크
  • G: classifier
  • D: S인지 T인지 구분
  • D’: 입력 영상이 S와 얼마나 가까운지 판단
  • 이 네트워크는 sample-level transferability를 수량화하여 common label set을 발견하고 이를 각 도메인에 전용으로 설정한다.
  • 이로써 자동으로 발견된 common label set에서 adaptation을 촉진하고, unknown sample인지를 성공적으로 인식한다.
  • Domain similarity와 prediction uncertainty를 정의하고 이 값에 따라서 weight $w^s, w_t$를 구한다.
  • 추정할 target label이 source에 포함된 label(common label)이면 분류하고 아니면 unknown으로 판단해야한다.
  • 얼마나 레이블을 공유하는지에 대한 variable을 정의하고 UDA는 이 변수 값에 관계없이 성능이 잘 나와야 한다.

[전체 프레임워크 (UAN)]

---

Experimental results

[실험 결과]

---

References

[1] You, Kaichao, et al. “Universal Domain Adaptation.”