20年清华特奖得主刘泓的一篇cvpr，人家20岁就发CCF A了
原来的对抗学习方法通过“拉近”S、T 之间的距离来实现DA，但是作者指出这种做法会distort 原始的representation。所以本文提出额外生成fs?f_{s*}fs?? 、ft?f_{t*}ft??（可以理解成代替原来用于adversarial training的特征），然后固定原始feature ，仅调整classifier。
“by filling the gap between the source and target domains with transferable examples generated in a new adversarial training paradigm.”
通过jointly minimize error（4）（9）respect to DDD， minimize error（5）（8）respect to CCC，
（8）其实是（5）的扩展，依旧是实现source的label预测，还加了一部分，target没有label，只能用距离刻画。
（4）也是原来的domain二分类判别，（9）是利用合成的数据来实现这一过程的。
Total Loss ：
