Fugu-MT 論文翻訳(概要): Unsupervised Domain Adaptation with Progressive Domain Augmentation

論文の概要: Unsupervised Domain Adaptation with Progressive Domain Augmentation

arxiv url: http://arxiv.org/abs/2004.01735v2
Date: Fri, 24 Apr 2020 01:45:24 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 03:43:38.043762
Title: Unsupervised Domain Adaptation with Progressive Domain Augmentation
Title（参考訳）: プログレッシブドメイン拡張による教師なしドメイン適応
Authors: Kevin Hua, Yuhong Guo
Abstract要約: 本稿では,プログレッシブドメイン拡張に基づく新規な教師なしドメイン適応手法を提案する。提案手法は、仮想中間ドメインをドメインを介して生成し、ソースドメインを徐々に拡張し、ソースターゲット領域の分岐をブリッジする。本研究では,複数の領域適応タスクについて実験を行い,提案手法が最先端の性能を達成することを示す。
参考スコア（独自算出の注目度）: 34.887690018011675
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Domain adaptation aims to exploit a label-rich source domain for learning classifiers in a different label-scarce target domain. It is particularly challenging when there are significant divergences between the two domains. In the paper, we propose a novel unsupervised domain adaptation method based on progressive domain augmentation. The proposed method generates virtual intermediate domains via domain interpolation, progressively augments the source domain and bridges the source-target domain divergence by conducting multiple subspace alignment on the Grassmann manifold. We conduct experiments on multiple domain adaptation tasks and the results shows the proposed method achieves the state-of-the-art performance.
Abstract（参考訳）: ドメイン適応は、ラベルに富んだソースドメインを使用して、異なるラベル・スカースターゲットドメインの分類器を学習することを目的としている。 2つのドメインの間に大きな違いがある場合、特に困難である。本稿では,プログレッシブドメイン拡張に基づく新規な教師なしドメイン適応手法を提案する。提案手法は, 領域補間により仮想中間領域を生成し, ソース領域を段階的に拡張し, グラスマン多様体上で複数の部分空間アライメントを行うことにより, ソース・ターゲット領域の分岐をブリッジする。本研究では,複数の領域適応タスクについて実験を行い,提案手法が最先端の性能を達成することを示す。

関連論文リスト

Multi-Source Collaborative Gradient Discrepancy Minimization for Federated Domain Generalization [27.171533040583117]
Federated Domain Generalizationは、複数の分散ソースドメインからドメイン不変モデルを学び、目に見えないターゲットドメインにデプロイすることを目的としている。フェデレートされた領域一般化のためのマルチソース協調グラディエント離散最小化法(MCGDM)を提案する。
論文参考訳（メタデータ） (2024-01-05T01:21:37Z)
Meta-causal Learning for Single Domain Generalization [102.53303707563612]
単一ドメインの一般化は、単一のトレーニングドメイン(ソースドメイン)からモデルを学び、それを複数の未確認テストドメイン(ターゲットドメイン)に適用することを目的としている。既存の方法は、ターゲットドメインをカバーするためのトレーニングドメインの配布拡大に重点を置いているが、ソースとターゲットドメイン間のドメインシフトを見積もることはできない。そこで本研究では,まず,対象ドメインとして補助ドメインを構築することによってドメインシフトをシミュレートし,ドメインシフトの原因を解析し,最終的にモデル適応のためのドメインシフトを低減する,新たな学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-04-07T15:46:38Z)
Adversarial Bi-Regressor Network for Domain Adaptive Regression [52.5168835502987]
ドメインシフトを軽減するために、クロスドメインレグレッタを学ぶことが不可欠です。本稿では、より効果的なドメイン間回帰モデルを求めるために、ABRNet(Adversarial Bi-Regressor Network)を提案する。
論文参考訳（メタデータ） (2022-09-20T18:38:28Z)
Joint Attention-Driven Domain Fusion and Noise-Tolerant Learning for Multi-Source Domain Adaptation [2.734665397040629]
マルチソースUnsupervised Domain Adaptationはラベル付きデータを持つ複数のソースドメインからラベル付きターゲットドメインに知識を転送する。異なるドメインとターゲットドメイン内のノイズの多い擬似ラベル間の分散の相違は、どちらもパフォーマンスのボトルネックにつながる。本稿では,意識駆動型ドメイン融合(ADNT)と雑音耐性学習(ADNT)を統合し,上記の2つの問題に対処するアプローチを提案する。
論文参考訳（メタデータ） (2022-08-05T01:08:41Z)
Domain-Augmented Domain Adaptation [5.292532408558036]
教師なしドメイン適応(Unsupervised domain adapt, UDA)は、ラベル付きソースドメインからラベル付きターゲットドメインへの知識伝達を可能にする。本稿では,ドメイン拡張ドメイン適応(DADA)を提案し,ターゲットドメインとの差が小さい擬似ドメインを生成する。 4つのベンチマークデータセット上で、最先端のドメイン適応手法による広範な実験を行う。
論文参考訳（メタデータ） (2022-02-21T05:42:02Z)
IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID [58.46907388691056]
ソースとターゲットドメイン間のブリッジは、UDA re-IDタスクに対処するために有効である、と我々は主張する。中間ドメインの表現をオンザフライで生成するための中間ドメインモジュール(IDM)を提案する。提案手法は,UDAのre-IDタスクに共通するタスクにおいて,最先端のタスクよりも大きなマージンで性能を向上する。
論文参考訳（メタデータ） (2021-08-05T07:19:46Z)
Domain Consistency Regularization for Unsupervised Multi-source Domain Adaptive Classification [57.92800886719651]
近年,深層学習に基づくマルチソース非教師付きドメイン適応(MUDA)が活発に研究されている。 MUDAのドメインシフトは、ソースドメインとターゲットドメインの間だけでなく、複数のソースドメインの間にも存在します。本稿では、教師なしマルチソースドメイン適応分類において、ドメインの一貫性規則化を利用するエンドツーエンドのトレーニング可能なネットワークを提案する。
論文参考訳（メタデータ） (2021-06-16T07:29:27Z)
Unsupervised Cross-domain Image Classification by Distance Metric Guided Feature Alignment [11.74643883335152]
教師なしドメイン適応は、ソースドメインからターゲットドメインに知識を転送する有望な道である。本稿では,距離メトリックガイド機能アライメント(MetFA)を提案する。我々のモデルは、クラス分布アライメントを統合して、ソースドメインからターゲットドメインにセマンティック知識を転送します。
論文参考訳（メタデータ） (2020-08-19T13:36:57Z)
Domain Conditioned Adaptation Network [90.63261870610211]
本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
論文参考訳（メタデータ） (2020-05-14T04:23:24Z)
MADAN: Multi-source Adversarial Domain Aggregation Network for Domain Adaptation [58.38749495295393]
ドメイン適応は、あるラベル付きソースドメインと、わずかにラベル付けまたはラベル付けされていないターゲットドメインの間のドメインシフトをブリッジするために、転送可能なモデルを学ぶことを目的としています。近年のマルチソース領域適応法(MDA)では,ソースとターゲット間の画素レベルのアライメントは考慮されていない。これらの課題に対処するための新しいMDAフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T21:22:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。