直播预告 | AAAI 2022论文解读：基于能量的主动域自适应学习方法

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到北京理工大学博士生谢斌辉，为大家在线解读其发表在 AAAI 2022 的最新研究成果：Active Learning for Domain Adaptation: An Energy-based Approach。对本期主题感兴趣的小伙伴，3 月 8 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

深度神经网络擅长从大量有标注数据中学习，但却很难将其推广到新的目标领域。无监督领域适应是一种有效的范式，能够将知识从有标注的相关源域迁移到完全无标记的目标域。然而，要达到有监督的性能，仍有巨大的潜力有待挖掘。

本文引入一种新的主动学习策略，自动地标注少量有价值的目标域数据。文章的核心内容从一个现象出发，当训练（源）和测试（目标）数据来自不同的分布时，基于能量的模型表现出自由能量偏差。受这一内在机制的启发，我们提出了一种简单而有效的基于能量的采样策略，在每一轮的查询中，挑选具有领域特性和模型预测不确定的数据进行标注。同时，自由能也可以作为一种正则化信号隐式地减小领域间的偏差。基准数据集和生成数据集上的实验结果证明了其有效性。

论文标题：

Active Learning for Domain Adaptation: An Energy-based Approach

论文链接：

https://arxiv.org/abs/2112.01406

代码链接：

https://github.com/BIT-DA/EADA

本次分享的具体内容有：  

• 研究动机及简介

• 方法详述

• 实验结果与分析

• 结语

嘉宾介绍

 谢斌辉 / 北京理工大学博士生 

谢斌辉，北京理工大学博士生，师从刘驰和李爽教授。研究兴趣集中在计算机视觉，特别是视觉任务中的领域适应、迁移学习、自监督学习。在 T-PAMI、AAAI、ACM MM 等国际一流期刊、会议上发表多篇学术论文，担任 CVPR、ICCV、AAAI 等国际会议审稿人。

直播地址 & 交流群

本次直播将在 PaperWeekly 视频号和 B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

视频号直播间：

扫描下方二维码关注 PaperWeekly 视频号，第一时间获取开播提醒。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·