論文の概要: On Evolving Attention Towards Domain Adaptation

• arxiv url: http://arxiv.org/abs/2103.13561v1
• Date: Thu, 25 Mar 2021 01:50:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-26 23:49:37.113225
• Title: On Evolving Attention Towards Domain Adaptation
• Title（参考訳）: ドメイン適応への注目の進展について
• Authors: Kekai Sheng, Ke Li, Xiawu Zheng, Jian Liang, Weiming Dong, Feiyue Huang, Rongrong Ji, Xing Sun
• Abstract要約: 本稿では、人間の介入なしに特定のUDAタスクの注意構成を進化させる新しいフレームワークであるEvoADAを提案する。 Office-31、Office-Home、CUB-Paintings、Duke-Market-1510といったクロスドメインベンチマークの実験は、提案されたEvoADAが一貫して複数の最先端ドメイン適応アプローチを向上していることを示している。
• 参考スコア（独自算出の注目度）: 110.57454902557767
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Towards better unsupervised domain adaptation (UDA). Recently, researchers propose various domain-conditioned attention modules and make promising progresses. However, considering that the configuration of attention, i.e., the type and the position of attention module, affects the performance significantly, it is more generalized to optimize the attention configuration automatically to be specialized for arbitrary UDA scenario. For the first time, this paper proposes EvoADA: a novel framework to evolve the attention configuration for a given UDA task without human intervention. In particular, we propose a novel search space containing diverse attention configurations. Then, to evaluate the attention configurations and make search procedure UDA-oriented (transferability + discrimination), we apply a simple and effective evaluation strategy: 1) training the network weights on two domains with off-the-shelf domain adaptation methods; 2) evolving the attention configurations under the guide of the discriminative ability on the target domain. Experiments on various kinds of cross-domain benchmarks, i.e., Office-31, Office-Home, CUB-Paintings, and Duke-Market-1510, reveal that the proposed EvoADA consistently boosts multiple state-of-the-art domain adaptation approaches, and the optimal attention configurations help them achieve better performance.
• Abstract（参考訳）: より良い教師なしドメイン適応(UDA)を目指す。 近年,様々なドメイン条件の注意モジュールが提案され,将来性がある。 しかし,注目モジュールの種類や位置が性能に大きく影響を与えることを考えると,任意のUDAシナリオに特化するように自動的に注意設定を最適化することがより一般化されている。 本稿では,人間の介入なしに与えられたUDAタスクの注意設定を進化させる新しいフレームワークであるEvoADAを提案する。 特に,様々な注意配置を含む新しい探索空間を提案する。 そして,注意構成を評価し,UDA指向の探索手順(伝達可能性と識別)を適用するため,1)既成領域適応法を用いて2つの領域にネットワーク重みをトレーニングし,2)対象領域における識別能力のガイドの下で注意構成を進化させるという,シンプルかつ効果的な評価戦略を適用した。 様々なクロスドメインベンチマーク、すなわちoffice-31、office-home、cub-paintings、duke-market-1510の実験では、提案されているevoadaは一貫して複数の最先端のドメイン適応アプローチを促進しており、最適な注意設定はより優れたパフォーマンスを達成するのに役立つ。

関連論文リスト

• Prompt-based Distribution Alignment for Unsupervised Domain Adaptation [42.77798810726824]
  教師なし学習型視覚言語モデル(VLM)は、ソースドメインとターゲットドメイン間の分布差を著しく低減できることを示す。 このようなモデルを下流のUDAタスクに直接デプロイする上での大きな課題は、迅速なエンジニアリングである。 本稿では,ドメイン知識を素早い学習に組み込むためのPDA手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T06:15:04Z)
• AIR-DA: Adversarial Image Reconstruction for Unsupervised Domain Adaptive Object Detection [28.22783703278792]
  特徴抽出器の対角訓練を容易にするための正則化器としての適応画像再構成(AIR) ドメインシフトに挑戦するいくつかのデータセットにまたがって評価を行った結果,提案手法が従来の手法よりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2023-03-27T16:51:51Z)
• Style-Guided Domain Adaptation for Face Presentation Attack Detection [21.959450790863432]
  推論時適応型PADのための新しいスタイルガイド型ドメイン適応フレームワークを提案する。 スタイル選択正規化(SSN)は、高次特徴統計量内でのドメイン固有のスタイル情報を調べるために提案される。 提案したSSNは,ターゲットドメインとソースドメインのスタイル差を小さくすることで,ターゲットドメインへのモデルの適応を可能にする。
  論文  参考訳（メタデータ） (2022-03-28T08:14:19Z)
• Dynamic Feature Alignment for Semi-supervised Domain Adaptation [23.67093835143]
  本稿では,動的特徴アライメントを用いてドメイン間差とドメイン内差に対処することを提案する。 我々のアプローチは、広範囲なチューニングや逆行訓練を必要としないが、半教師付きドメイン適応のための技術の現状を著しく改善する。
  論文  参考訳（メタデータ） (2021-10-18T22:26:27Z)
• A New Bidirectional Unsupervised Domain Adaptation Segmentation Framework [27.13101555533594]
  異なるドメイン間のギャップを埋めるために、教師なしドメイン適応(UDA)技術が提案されている。 本稿では,両方向のUDA演奏に対して,非交互表現学習に基づく双方向UDAフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-18T05:25:11Z)
• ToAlign: Task-oriented Alignment for Unsupervised Domain Adaptation [84.90801699807426]
  ドメイン間でアライメントすべき機能について検討し、ドメインアライメントが積極的に分類に役立てることを提案する。 我々は、ソースドメインの機能を、整列すべきタスク関連/識別機能と、回避/無視されるべきタスク関連機能に明示的に分解します。
  論文  参考訳（メタデータ） (2021-06-21T02:17:48Z)
• Attention-based Domain Adaptation for Single Stage Detectors [75.88557558238841]
  適応が焦点を置くべき重要な領域を特定するための注意機構を導入する。 我々のアプローチは汎用的で、任意の単段検出器に統合できる。 等価な単一ステージアーキテクチャでは、この手法は最先端のドメイン適応技術より優れている。
  論文  参考訳（メタデータ） (2021-06-14T10:30:44Z)
• MetaAlign: Coordinating Domain Alignment and Classification for Unsupervised Domain Adaptation [84.90801699807426]
  本稿ではMetaAlignと呼ばれるメタ最適化に基づく効果的な戦略を提案する。 ドメインアライメントの目的と分類の目的をメタ学習計画におけるメタトレーニングとメタテストのタスクとして扱う。 実験結果は,アライメントに基づくベースラインアプローチを用いた提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-03-25T03:16:05Z)
• 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)
• Universal Domain Adaptation through Self Supervision [75.04598763659969]
  教師なし領域適応法は、全てのソースカテゴリが対象領域に存在すると仮定する。 本稿では、任意のカテゴリシフトを処理するために、エントロピー最適化(DANCE)によるドメイン適応近傍クラスタリングを提案する。 我々は、DANCEがオープンセット、オープンパーティル、部分的なドメイン適応設定でベースラインより優れていることを示す広範な実験を通して示す。
  論文  参考訳（メタデータ） (2020-02-19T01:26:11Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。