論文の概要: Adversarial Support Alignment
- arxiv url: http://arxiv.org/abs/2203.08908v1
- Date: Wed, 16 Mar 2022 19:46:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-18 15:19:53.871926
- Title: Adversarial Support Alignment
- Title(参考訳): 対立支援アライメント
- Authors: Shangyuan Tong, Timur Garipov, Yang Zhang, Shiyu Chang, Tommi S.
Jaakkola
- Abstract要約: 本稿では,サポート間のミスマッチを定量化するための分散尺度として,対称的支持差を提案する。
選択判別器は, 1次元の出力空間における支持差として, 支持差をマップできることを示す。
本手法は, 識別器1D空間における対称性を緩和した最適輸送コストを, 対向過程により最小化することにより, 支持を整合させる。
- 参考スコア(独自算出の注目度): 63.19916250624022
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study the problem of aligning the supports of distributions. Compared to
the existing work on distribution alignment, support alignment does not require
the densities to be matched. We propose symmetric support difference as a
divergence measure to quantify the mismatch between supports. We show that
select discriminators (e.g. discriminator trained for Jensen-Shannon
divergence) are able to map support differences as support differences in their
one-dimensional output space. Following this result, our method aligns supports
by minimizing a symmetrized relaxed optimal transport cost in the discriminator
1D space via an adversarial process. Furthermore, we show that our approach can
be viewed as a limit of existing notions of alignment by increasing
transportation assignment tolerance. We quantitatively evaluate the method
across domain adaptation tasks with shifts in label distributions. Our
experiments show that the proposed method is more robust against these shifts
than other alignment-based baselines.
- Abstract(参考訳): 分布の支持部を整列する問題について検討する。
分散アライメントに関する既存の作業と比較すると、サポートアライメントは適合する密度を必要としない。
我々は,サポート間のミスマッチを定量化するための分岐尺度として対称支持差を提案する。
選択判別器(例えば、ジェンセン=シャノン発散のために訓練された判別器)は、その一次元出力空間における支持差として支持差をマップできることを示す。
この結果, 本手法は, 識別器1d空間における対称性緩和された最適輸送コストを, 逆過程を通じて最小化することにより支援を整合させる。
さらに,本手法は,輸送の許容範囲を増大させることにより,既存のアライメント概念の限界とみなせることを示す。
ラベル分布の変化を伴う領域適応タスク間での手法を定量的に評価する。
実験の結果,提案手法は他のアライメントベースベースラインよりも頑健であることがわかった。
関連論文リスト
- Proxy Methods for Domain Adaptation [78.03254010884783]
プロキシ変数は、遅延変数を明示的にリカバリしたりモデル化したりすることなく、分散シフトへの適応を可能にする。
両設定の複雑な分散シフトに適応する2段階のカーネル推定手法を開発した。
論文 参考訳(メタデータ) (2024-03-12T09:32:41Z) - Adapting to Latent Subgroup Shifts via Concepts and Proxies [82.01141290360562]
最適ターゲット予測器は、ソースドメインでのみ利用できる概念とプロキシ変数の助けを借りて、非パラメトリックに識別可能であることを示す。
本研究では,データ生成プロセスに特有の潜在変数モデルを提案する。
論文 参考訳(メタデータ) (2022-12-21T18:30:22Z) - PGADA: Perturbation-Guided Adversarial Alignment for Few-shot Learning
Under the Support-Query Shift [10.730615481992515]
低次元の埋め込み空間にデータを埋め込み、未知のクエリデータを目に見えないサポートセットに分類することを目的としている。
画像中の小さな摂動が最適輸送を著しく誤解し、モデル性能を低下させることがわかった。
そこで我々はまず,摂動誘導適応(PGADA)という新たな逆データ拡張手法を提案する。
論文 参考訳(メタデータ) (2022-05-08T09:15:58Z) - Structure-preserving GANs [6.438897276587413]
分散学習のためのデータ効率フレームワークとして,構造保存型GANを導入する。
我々は、不変判別器空間上のその射影に対して、判別器空間を減少させることができることを示す。
固有群対称性を持つ分布に対する対称性保存GANを構築することで、我々の枠組みを文脈化する。
論文 参考訳(メタデータ) (2022-02-02T16:40:04Z) - Deep Least Squares Alignment for Unsupervised Domain Adaptation [6.942003070153651]
教師なしのドメイン適応はラベル付きソースドメインからの豊富な情報を活用してラベルなしのターゲットドメインをモデル化する。
線形モデルをパラメータ化することにより,2つの領域の潜在空間における分布を推定するために,最深部最小二乗アライメント(DLSA)を提案する。
拡張実験により,提案したDLSAモデルは領域分布の整合に有効であり,最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2021-11-03T13:23:06Z) - Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。
本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。
本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
論文 参考訳(メタデータ) (2021-07-29T17:42:12Z) - Discriminative Feature Alignment: Improving Transferability of
Unsupervised Domain Adaptation by Gaussian-guided Latent Alignment [27.671964294233756]
本研究では,ラベル付きデータ領域から近似推論モデルを学習するための教師なし領域適応問題に着目した。
教師なしのドメイン適応の成功は、主にクロスドメイン機能アライメントに依存している。
本稿では,2つの領域の潜在特徴分布を事前分布の導出の下で整列するガウス誘導型潜時アライメント手法を提案する。
そのような間接的な方法では、2つの領域からのサンプル上の分布は共通の特徴空間、すなわち前の領域の空間上に構築される。
論文 参考訳(メタデータ) (2020-06-23T05:33:54Z) - Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。
我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。
また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文 参考訳(メタデータ) (2020-02-16T09:01:18Z) - Few-shot Domain Adaptation by Causal Mechanism Transfer [107.08605582020866]
我々は,少数のラベル付き対象ドメインデータと多数のラベル付きソースドメインデータしか利用できないレグレッション問題に対して,数ショットの教師付きドメイン適応(DA)について検討する。
現在のDA法の多くは、パラメータ化された分布シフトまたは明らかな分布類似性に基づく転送仮定に基づいている。
本稿では,データ生成機構がドメイン間で不変であるメタ分散シナリオであるメカニズム転送を提案する。
論文 参考訳(メタデータ) (2020-02-10T02:16:53Z)
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。