近日，学院成像与视觉表示实验室朱雷研究员和刘且根教授的论文《Dual Masked Generative Adversarial Transformer for Unsupervised Domain Adaptation》被ECCV录用，该工作研究面向无监督域自适应的生成式视觉表征学习方法，由南昌大学与微软亚洲研究院（新加坡）、新加坡科技研究局高性能计算研究所等单位合作完成。ECCV（European Conference on Computer Vision）将于2026年9月8日至12日在瑞典马尔默市举行。ECCV是计算机视觉领域具有重要国际影响力的顶级学术会议之一，与CVPR、ICCV并称为计算机视觉领域三大国际会议。

无监督域自适应（Unsupervised Domain Adaptation, UDA）旨在利用带标注的源域数据和无标注的目标域数据，提升模型在目标域场景下的泛化能力。由于成像设备、采集环境和数据分布的差异，模型从源域直接迁移到目标域时往往会出现性能下降。如何在无需目标域人工标注的条件下学习稳健的跨域视觉表征，是计算机视觉领域的重要研究问题。现有基于掩码图像建模的方法通常将其视为数据增强或实例级一致性约束，尚未充分考虑掩码图像所形成的“掩码域”与原始域之间的分布差异。本文从“掩码域自适应”的角度出发，指出掩码域与原始域之间同时存在两类差异：（1）由掩码操作带来的信息缺失；（2）由跨域数据分布不同导致的域分布差异。

针对上述问题，本文提出双重掩码生成对抗Transformer框架Dual-MGAT。该方法分别构建掩码源域和掩码目标域，并通过双分支生成对抗适应机制实现掩码目标域到源域、掩码源域到目标域的双向对齐。具体而言，Dual-MGAT利用Transformer解码器在特征空间中重建图像的[CLS] token表征，以缓解掩码建模带来的信息缺失；同时引入类别条件域判别器进行对抗式分布对齐，以缩小掩码域与原始域之间的分布差异。本文进一步从理论上将带伪标签的掩码目标域视为噪声标注域，推导了目标域期望误差上界，说明目标域性能与源域监督误差、掩码目标域学习误差、掩码域分布差异以及伪标签噪声等因素有关。该理论分析解释了为什么仅进行实例级一致性约束仍然不足，也说明了显式缩小掩码域与原始域之间分布差异的必要性。实验结果表明Dual-MGAT在Office-31、Office-Home、DomainNet等公开基准以及白内障医学图像域自适应任务上取得了优异性能。该研究为复杂视觉场景下的模型跨域迁移提供了新的思路，也为医学影像、智能感知等数据分布差异显著的实际应用场景提供了潜在方法支撑。

Dual-MGAT方法框架示意图