論文の概要: Heterogeneous-Modal Unsupervised Domain Adaptation via Latent Space Bridging

• arxiv url: http://arxiv.org/abs/2506.15971v1
• Date: Thu, 19 Jun 2025 02:31:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.912875
• Title: Heterogeneous-Modal Unsupervised Domain Adaptation via Latent Space Bridging
• Title（参考訳）: 遅延空間ブリッジングによる不均一モード非教師付きドメイン適応
• Authors: Jiawen Yang, Shuhao Chen, Yucong Duan, Ke Tang, Yu Zhang,
• Abstract要約: Heterogeneous-Modal Unsupervised Domain Adaptation (HMUDA) という新しい設定を提案する。 HMUDAは、両方のモダリティからラベルのないサンプルを含むブリッジドメインを活用することで、全く異なるモダリティ間の知識伝達を可能にする。 セマンティックセグメンテーションタスク用に設計された特殊なフレームワークであるLatent Space Bridging (LSB)を提案する。
• 参考スコア（独自算出の注目度）: 12.171477896623148
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised domain adaptation (UDA) methods effectively bridge domain gaps but become struggled when the source and target domains belong to entirely distinct modalities. To address this limitation, we propose a novel setting called Heterogeneous-Modal Unsupervised Domain Adaptation (HMUDA), which enables knowledge transfer between completely different modalities by leveraging a bridge domain containing unlabeled samples from both modalities. To learn under the HMUDA setting, we propose Latent Space Bridging (LSB), a specialized framework designed for the semantic segmentation task. Specifically, LSB utilizes a dual-branch architecture, incorporating a feature consistency loss to align representations across modalities and a domain alignment loss to reduce discrepancies between class centroids across domains. Extensive experiments conducted on six benchmark datasets demonstrate that LSB achieves state-of-the-art performance.
• Abstract（参考訳）: 非教師なしドメイン適応(UDA)手法は、ドメインギャップを効果的に橋渡しするが、ソースとターゲットドメインが全く異なるモダリティに属している場合、苦労する。 この制限に対処するため,HMUDA (Heterogeneous-Modal Unsupervised Domain Adaptation) という新しい設定を提案する。 HMUDA設定下で学習するために,セマンティックセグメンテーションタスク用に設計された特殊なフレームワークであるLatent Space Bridging (LSB)を提案する。 具体的には、LSBはデュアルブランチアーキテクチャを使用し、モダリティ間で表現を整列させる特徴整合損失と、ドメイン間のクラスセントロイド間の不一致を低減するドメイン整合損失を取り入れている。 6つのベンチマークデータセットで実施された大規模な実験は、LSBが最先端のパフォーマンスを達成することを示す。

関連論文リスト

• Making the Best of Both Worlds: A Domain-Oriented Transformer for Unsupervised Domain Adaptation [31.150256154504696]
  Unsupervised Domain Adaptation (UDA)は、限られた実験データセットから現実の制約のないドメインへのディープラーニングの展開を促進する。 ほとんどのUDAアプローチは、共通の埋め込み空間内の機能を整列させ、ターゲット予測に共有分類器を適用する。 本稿では,異なる領域に着目した2つの個別空間における特徴アライメントを同時に実施し,各領域に対してドメイン指向の分類器を作成することを提案する。
  論文  参考訳（メタデータ） (2022-08-02T01:38:37Z)
• Controlled Generation of Unseen Faults for Partial and OpenSet&Partial Domain Adaptation [0.0]
  新たな運用条件は、トレーニングとテストデータ分布のドメインギャップによって、障害診断モデルのパフォーマンスが低下する可能性がある。 本稿では、Wasserstein GANをベースとした、部分的およびOpenSet&Partialドメイン適応のための新しいフレームワークを提案する。 主なコントリビューションは、制御されたフォールトデータ生成であり、ターゲットドメインで観測されていないフォールトタイプと重大度レベルを生成することができる。
  論文  参考訳（メタデータ） (2022-04-29T13:05:25Z)
• Amplitude Spectrum Transformation for Open Compound Domain Adaptive Semantic Segmentation [62.68759523116924]
  オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。 我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
  論文  参考訳（メタデータ） (2022-02-09T05:40:34Z)
• Decompose to Adapt: Cross-domain Object Detection via Feature Disentanglement [79.2994130944482]
  本研究では,DDF(Domain Disentanglement Faster-RCNN)を設計し,タスク学習のための特徴のソース固有情報を排除した。 DDF法は,グローバルトリプルト・ディアンタングルメント(GTD)モジュールとインスタンス類似性・ディアンタングルメント(ISD)モジュールを用いて,グローバルおよびローカルステージでの機能ディアンタングルを容易にする。 提案手法は,4つのUDAオブジェクト検出タスクにおいて最先端の手法より優れており,広い適用性で有効であることが実証された。
  論文  参考訳（メタデータ） (2022-01-06T05:43:01Z)
• CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation [1.2691047660244335]
  Unsupervised Domain Adaptation (UDA) は、ラベル付きソース分布とラベル付きターゲット分布との整合を目標とし、ドメイン不変な予測モデルを得る。 半教師付きドメイン適応(CLDA)のためのコントラスト学習フレームワークを提案する。 CLDAは上記のすべてのデータセットに対して最先端の結果を達成する。
  論文  参考訳（メタデータ） (2021-06-30T20:23:19Z)
• Cross-Domain Grouping and Alignment for Domain Adaptive Semantic Segmentation [74.3349233035632]
  深層畳み込みニューラルネットワーク(CNN)内のソースドメインとターゲットドメインにセマンティックセグメンテーションネットワークを適用する既存の技術は、対象ドメイン自身や推定カテゴリ内のクラス間変異を考慮していない。 学習可能なクラスタリングモジュールと、クロスドメイングルーピングとアライメントと呼ばれる新しいドメイン適応フレームワークを導入する。 本手法はセマンティクスセグメンテーションにおける適応性能を一貫して向上させ,様々なドメイン適応設定において最先端を上回っている。
  論文  参考訳（メタデータ） (2020-12-15T11:36:21Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• 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)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)

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。