图4.5 表达图像完整与部分信息的示例

图4.7 单源领域自适应与多源领域自适应。在单源领域适应中，源领域和目标领域的分布不能很好地匹配，而在多源领域适应中，由于多个源领域之间的分布偏移，匹配所有源领域和目标领域的分布要困难得多[71]

图4.8 同时对齐分布和分类器的多源自适应方法[71]

图5.4 领域对抗神经网络可视化结果[64]

图6.2 关于TrAdaBoost算法思想的一个直观示例

图6.10 基于锚点的集成学习示意图[100]

图8.9 拆分架构[130]

图9.4 视图不足假设[136]

图10.20 风格迁移示意图[202]