DMIR实验室

本文旨在提取解耦的语义特征(disentangled semantic representation)。无监督领域自适应是一项很重要而且很有挑战性的任务，目前主流的工作大多在特征空间上提取领域不变的表达，然而领域的信息和语义信息常常耦合在这些表达中，因此这些方法其实不能真正地提取到领域不变，并且包含语义信息的特征。为了解决这个问题，首先，本文假设数据由两组独立的隐变量生成:语义隐变量z_y和领域隐变量z_d，基于这个假设使用变分自动编码器重构这两组隐变量。而且，本文设计了双重对抗网络去解耦这两组变量，使得语义隐变量z_y是领域不变的。本文在领域自适应的标准数据集Office-31和Office-home上做了实验，除了实验结果达到了state-of-the-art 之外，还证明了解耦的语义特征在领域自适应问题上的重要性。