稳定跨域对齐
针对批次级对齐不稳定导致的错位风险，该方法利用对称的类感知记忆建模域分布，并通过可靠性过滤提升记忆质量，增强特征的可迁移性与判别性。
Hui, Wang · Liangli, Zheng · Zhao, Hanbin · Shijian, Li · Xi, Li
IEEE Transactions on Neural Networks and Learning Systems 2024
利用类感知记忆存储全局分布信息，避免小批量随机采样造成的错位。
统一的基于记忆的损失函数同时提升特征可迁移性和判别性。
通过两种基于可靠性的过滤策略增强所构建记忆的质量。
在两个标准基准上取得了最先进的性能。