摘要

通用域适应（Universal Domain Adaptation, UniDA）旨在将源域知识迁移到目标域，而无需事先知晓目标域的类别集合。其核心挑战在于如何判断目标样本是否属于共现类别。现有主流方法通常基于样本特征进行判断，过度依赖全局信息，忽视了图像中最为关键的局部对象信息，导致分类精度受限。为解决这一问题，本文提出一种基于视觉Transformer自注意力机制的通用注意力匹配框架（Universal Attention Matching, UniAM），以有效捕捉图像中的关键对象信息。该框架引入一种新颖的压缩注意力匹配（Compressive Attention Matching, CAM）方法，通过压缩方式表征注意力，深入挖掘数据的核心语义信息。此外，CAM进一步结合基于残差的度量机制，用于判断样本的共现性。借助该度量机制，UniAM实现了域级与类别级的共现特征对齐（Common Feature Alignment, CFA）以及目标类别分离（Target Class Separation, TCS）。值得注意的是，UniAM是首个直接利用视觉Transformer中的注意力机制完成分类任务的方法。大量实验结果表明，该方法在多个基准数据集上均显著优于当前最先进的技术。