論文の概要: SPA++: Generalized Graph Spectral Alignment for Versatile Domain Adaptation

• arxiv url: http://arxiv.org/abs/2508.05182v1
• Date: Thu, 07 Aug 2025 09:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.782305
• Title: SPA++: Generalized Graph Spectral Alignment for Versatile Domain Adaptation
• Title（参考訳）: SPA++:Versatile Domain Adaptationのための一般化グラフスペクトルアライメント
• Authors: Zhiqing Xiao, Haobo Wang, Xu Lu, Wentao Ye, Gang Chen, Junbo Zhao,
• Abstract要約: ドメイン適応(Domain Adaptation)は、ラベル付きソースドメインから、未ラベルまたは疎ラベルのターゲットドメインに、ドメインシフトの下で知識を転送することを目的としている。 このトレードオフに対処するために,グラフスペクトラルアライメントフレームワークであるSPA++を提案する。 ベンチマークデータセットの実験では、SPA++が既存の最先端メソッドを一貫して上回っていることが示されている。
• 参考スコア（独自算出の注目度）: 19.755321056121204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Domain Adaptation (DA) aims to transfer knowledge from a labeled source domain to an unlabeled or sparsely labeled target domain under domain shifts. Most prior works focus on capturing the inter-domain transferability but largely overlook rich intra-domain structures, which empirically results in even worse discriminability. To tackle this tradeoff, we propose a generalized graph SPectral Alignment framework, SPA++. Its core is briefly condensed as follows: (1)-by casting the DA problem to graph primitives, it composes a coarse graph alignment mechanism with a novel spectral regularizer toward aligning the domain graphs in eigenspaces; (2)-we further develop a fine-grained neighbor-aware propagation mechanism for enhanced discriminability in the target domain; (3)-by incorporating data augmentation and consistency regularization, SPA++ can adapt to complex scenarios including most DA settings and even challenging distribution scenarios. Furthermore, we also provide theoretical analysis to support our method, including the generalization bound of graph-based DA and the role of spectral alignment and smoothing consistency. Extensive experiments on benchmark datasets demonstrate that SPA++ consistently outperforms existing cutting-edge methods, achieving superior robustness and adaptability across various challenging adaptation scenarios.
• Abstract（参考訳）: ドメイン適応(DA)は、ラベル付きソースドメインから未ラベルまたは疎ラベルのターゲットドメインにドメインシフトの下で知識を転送することを目的としています。 それまでのほとんどの研究はドメイン間の転送可能性の獲得に重点を置いていたが、ドメイン内のリッチな構造を見落としている。 このトレードオフに対処するために、一般化グラフSPectral Alignmentフレームワーク、SPA++を提案する。 1) DA問題をグラフプリミティブにキャストすることによって、固有空間内のドメイングラフの整合性に向けた、新しいスペクトル正規化器を備えた粗いグラフアライメント機構を構成し、(2) ターゲット領域における識別性を高めるための、よりきめ細かい隣り合わせの伝搬機構をさらに発展させ、(3) データの増大と一貫性の正則化を取り入れることで、SPA++は、ほとんどのDA設定や難しい分散シナリオを含む複雑なシナリオに適応できる。 さらに,グラフベースDAの一般化境界やスペクトルアライメント,スムーズな整合性などの理論解析も行う。 ベンチマークデータセットに関する大規模な実験は、SPA++が既存の最先端メソッドを一貫して上回り、さまざまな挑戦的な適応シナリオに対して優れた堅牢性と適応性を達成することを実証している。

関連論文リスト

• Gradual Domain Adaptation for Graph Learning [13.143891794601162]
  本稿では,コンパクトなドメイン配列を構成するグラフ段階的ドメイン適応(GGDA)フレームワークを提案する。 我々のアプローチは、FGW(Fused Gromov-Wasserstein)計量上の知識保存中間グラフの効率的な生成から始まる。 我々のフレームワークは、実装可能な上界と下界を介して、難易度の高いドメイン間距離$W_p(mu_t,mu_t+1)$を増大させる。
  論文  参考訳（メタデータ） (2025-01-29T06:48:59Z)
• Towards Cross-domain Few-shot Graph Anomaly Detection [6.732699844225434]
  ソースとターゲットドメイン間のデータ分散の相違により、クロスドメインの少数ショットグラフ異常検出(GAD)は簡単ではない。 我々は,上記の課題に対処するために,CDFS-GADと呼ばれるシンプルで効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-11T08:47:25Z)
• Degree-Conscious Spiking Graph for Cross-Domain Adaptation [9.785526401884155]
  スパイキンググラフネットワーク(SGN)は、脳にインスパイアされた神経力学をエミュレートすることによって、グラフ分類において大きな可能性を証明している。 本稿ではまず,SGNにおけるドメイン適応問題を提案するとともに,クロスドメイン適応のためのDegree-Consicious Spiking Graphという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-09T13:45:54Z)
• Semi Supervised Heterogeneous Domain Adaptation via Disentanglement and Pseudo-Labelling [4.33404822906643]
  半教師付きドメイン適応法は、ソースラベル付きドメインからの情報を利用して、少ないラベル付きターゲットドメインを一般化する。 このような設定は半教師付き不均質ドメイン適応(SSHDA)と表記される。 SHEDD(Semi-supervised Heterogeneous Domain Adaptation via Disentanglement)は,対象ドメインの学習に適したエンドツーエンドのニューラルネットワークフレームワークである。
  論文  参考訳（メタデータ） (2024-06-20T08:02:49Z)
• SPA: A Graph Spectral Alignment Perspective for Domain Adaptation [41.89873161315133]
  教師なしドメイン適応(Unsupervised domain adapt, UDA)は、データ分布が異なる特定のターゲットドメインにドメインモデルを拡張するための機械学習における重要な形式である。 それまでのほとんどの研究はドメイン間の転送可能性の獲得に重点を置いていたが、ドメイン内のリッチな構造を見落としている。 トレードオフに対処するための新しいグラフスペクトラルアライメント(SPA)フレームワークを導入する。
  論文  参考訳（メタデータ） (2023-10-26T17:13:48Z)
• Label Alignment Regularization for Distribution Shift [63.228879525056904]
  最近の研究は、教師あり学習におけるラベルアライメント特性(LAP)を強調している。 対象領域の予測と最上位特異ベクトルとのアライメントを促進する非教師なし領域適応の正規化法を提案する。 MNIST-USPSドメイン適応や言語間感情分析などのよく知られたタスクにおいて、ドメイン適応ベースラインよりもパフォーマンスが向上したことを報告した。
  論文  参考訳（メタデータ） (2022-11-27T22:54:48Z)
• Relation Matters: Foreground-aware Graph-based Relational Reasoning for Domain Adaptive Object Detection [81.07378219410182]
  我々は、FGRR(Fearground-aware Graph-based Reasoning)というドメインDのための新しい汎用フレームワークを提案する。 FGRRはグラフ構造を検出パイプラインに組み込んで、ドメイン内およびドメイン間フォアグラウンドオブジェクト関係を明示的にモデル化する。 実験の結果、提案したFGRRは4つのDomainDベンチマークの最先端よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-06-06T05:12:48Z)
• 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)
• Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
  カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。 さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-03-28T17:46:55Z)
• Supervised Domain Adaptation using Graph Embedding [86.3361797111839]
  領域適応法は、2つの領域間の分布がシフトし、それを認識しようとすると仮定する。 グラフ埋め込みに基づく汎用フレームワークを提案する。 提案手法が強力なドメイン適応フレームワークにつながることを示す。
  論文  参考訳（メタデータ） (2020-03-09T12:25:13Z)

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。