論文の概要: Domain-Augmented Domain Adaptation

• arxiv url: http://arxiv.org/abs/2202.10000v1
• Date: Mon, 21 Feb 2022 05:42:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-22 15:53:35.881943
• Title: Domain-Augmented Domain Adaptation
• Title（参考訳）: ドメイン指定型ドメイン適応
• Authors: Qiuhao Zeng, Tianze Luo, Boyu Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.292532408558036
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unsupervised domain adaptation (UDA) enables knowledge transfer from the labelled source domain to the unlabeled target domain by reducing the cross-domain discrepancy. However, most of the studies were based on direct adaptation from the source domain to the target domain and have suffered from large domain discrepancies. To overcome this challenge, in this paper, we propose the domain-augmented domain adaptation (DADA) to generate pseudo domains that have smaller discrepancies with the target domain, to enhance the knowledge transfer process by minimizing the discrepancy between the target domain and pseudo domains. Furthermore, we design a pseudo-labeling method for DADA by projecting representations from the target domain to multiple pseudo domains and taking the averaged predictions on the classification from the pseudo domains as the pseudo labels. We conduct extensive experiments with the state-of-the-art domain adaptation methods on four benchmark datasets: Office Home, Office-31, VisDA2017, and Digital datasets. The results demonstrate the superiority of our model.
• Abstract（参考訳）: 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なしターゲットドメインへの知識伝達を可能にする。 しかし、ほとんどの研究はソースドメインからターゲットドメインへの直接適応に基づいており、大きなドメインの相違に苦しめられている。 この課題を克服するため,本論文では,対象ドメインとの相違が小さい擬似ドメインを生成するためのドメイン拡張ドメイン適応(DADA)を提案し,対象ドメインと擬似ドメインとの相違を最小化して知識伝達プロセスを強化する。 さらに、ターゲットドメインから複数の擬似ドメインへの表現を投影し、擬似ドメインからの分類に基づく平均予測を擬似ラベルとして、DADの擬似ラベル法を設計する。 我々は,office home,office-31,visda2017,digital datasetsの4つのベンチマークデータセットにおいて,最先端のドメイン適応手法を用いた広範囲な実験を行う。 結果は我々のモデルが優れていることを示している。

関連論文リスト

• DomainVerse: A Benchmark Towards Real-World Distribution Shifts For Tuning-Free Adaptive Domain Generalization [27.099706316752254]
  我々はAdaptive Domain Generalization (ADG)のための新しいデータセットDomainVerseを確立する。 DomainVerseは、導入した階層的なドメインシフトの定義に相応しく、390のきめ細かい現実的なドメインから約0.5万の画像で構成されている。 チューニング不要適応型ドメイン一般化のためのDomain CLIPとDomain++ CLIPという2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-03-05T07:10:25Z)
• Domain Generalization via Causal Adjustment for Cross-Domain Sentiment Analysis [59.73582306457387]
  クロスドメイン感情分析における領域一般化の問題に焦点をあてる。 本稿では,ドメイン固有表現とドメイン不変表現をアンタングル化するバックドア調整に基づく因果モデルを提案する。 一連の実験は、我々のモデルの優れたパフォーマンスと堅牢性を示しています。
  論文  参考訳（メタデータ） (2024-02-22T13:26:56Z)
• 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)
• Unsupervised Domain Adaptation for Extra Features in the Target Domain Using Optimal Transport [3.6042575355093907]
  ほとんどの領域適応法は、ソースとターゲットドメインは同じ次元を持つと仮定する。 本稿では,両領域に共通する特徴と,対象領域に付加的な(新たな)特徴が観察されることを仮定する。 共通特徴の均一性を活用するために、これらのソースとターゲットドメイン間の適応を最適な輸送問題として定式化する。
  論文  参考訳（メタデータ） (2022-09-10T04:35:58Z)
• Discovering Domain Disentanglement for Generalized Multi-source Domain Adaptation [48.02978226737235]
  典型的なマルチソースドメイン適応(MSDA)アプローチは、ラベル付きソースドメインから学習した知識をラベル付きターゲットドメインに転送することを目的としている。 本稿では、各インスタンスのドメイン表現と意味的特徴を分割し、次元的独立性を奨励する変動型ドメイン・アンタングルメント(VDD)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-11T04:33:08Z)
• Self-Adversarial Disentangling for Specific Domain Adaptation [52.1935168534351]
  ドメイン適応は、ソースとターゲットドメイン間のドメインシフトをブリッジすることを目的としています。 最近の手法では、特定の次元について明示的な事前知識を考慮しないのが一般的である。
  論文  参考訳（メタデータ） (2021-08-08T02:36:45Z)
• 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)
• Discriminative Cross-Domain Feature Learning for Partial Domain Adaptation [70.45936509510528]
  部分的なドメイン適応は、より大きく多様なソースドメインからの知識を、より少ないクラス数でより小さなターゲットドメインに適応させることを目的としています。 ドメイン適応の最近の実践は、ターゲットドメインの擬似ラベルを組み込むことで、効果的な特徴を抽出する。 ターゲットデータを少数のソースデータのみにアライメントすることが不可欠である。
  論文  参考訳（メタデータ） (2020-08-26T03:18:53Z)
• Unsupervised Domain Adaptation with Progressive Domain Augmentation [34.887690018011675]
  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。
  論文  参考訳（メタデータ） (2020-04-03T18:45:39Z)

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。