論文の概要: Prototype-Based Semantic Consistency Alignment for Domain Adaptive Retrieval

• arxiv url: http://arxiv.org/abs/2512.04524v1
• Date: Thu, 04 Dec 2025 07:16:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.039433
• Title: Prototype-Based Semantic Consistency Alignment for Domain Adaptive Retrieval
• Title（参考訳）: ドメイン適応検索のためのプロトタイプベースセマンティック一貫性アライメント
• Authors: Tianle Hu, Weijun Lv, Na Han, Xiaozhao Fang, Jie Wen, Jiaxing Li, Guoxu Zhou,
• Abstract要約: Prototype-Based Semantic Consistency Alignment (PSCA) は、効果的なドメイン適応検索のための2段階のフレームワークである。 PSCAはクラスレベルのセマンティック接続を確立し、クラス内のサンプルを収集しながらクラス間のセパビリティを最大化する。 第2段階では、ドメイン固有の量子化関数が相互近似制約の下で再構成された特徴を処理し、ドメイン間で統一されたバイナリハッシュコードを生成する。
• 参考スコア（独自算出の注目度）: 30.96614100772607
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Domain adaptive retrieval aims to transfer knowledge from a labeled source domain to an unlabeled target domain, enabling effective retrieval while mitigating domain discrepancies. However, existing methods encounter several fundamental limitations: 1) neglecting class-level semantic alignment and excessively pursuing pair-wise sample alignment; 2) lacking either pseudo-label reliability consideration or geometric guidance for assessing label correctness; 3) directly quantizing original features affected by domain shift, undermining the quality of learned hash codes. In view of these limitations, we propose Prototype-Based Semantic Consistency Alignment (PSCA), a two-stage framework for effective domain adaptive retrieval. In the first stage, a set of orthogonal prototypes directly establishes class-level semantic connections, maximizing inter-class separability while gathering intra-class samples. During the prototype learning, geometric proximity provides a reliability indicator for semantic consistency alignment through adaptive weighting of pseudo-label confidences. The resulting membership matrix and prototypes facilitate feature reconstruction, ensuring quantization on reconstructed rather than original features, thereby improving subsequent hash coding quality and seamlessly connecting both stages. In the second stage, domain-specific quantization functions process the reconstructed features under mutual approximation constraints, generating unified binary hash codes across domains. Extensive experiments validate PSCA's superior performance across multiple datasets.
• Abstract（参考訳）: ドメイン適応検索は、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に知識を転送することを目的としており、ドメインの相違を緩和しながら効果的な検索を可能にする。 しかし、既存のメソッドにはいくつかの基本的な制限がある。 1) クラスレベルのセマンティックアライメントを無視して,ペアワイズサンプルアライメントを過度に追求すること。 2 ラベルの正確性を評価するための擬似ラベル信頼性の考慮又は幾何学的ガイダンスの欠如 3) ドメインシフトの影響を受けやすい特徴を直接定量化し、学習されたハッシュコードの品質を損なう。 これらの制約を考慮し,ドメイン適応検索のための2段階フレームワークであるPSCA(Prototype-based Semantic Consistency Alignment)を提案する。 最初の段階では、直交プロトタイプのセットがクラスレベルのセマンティック接続を直接確立し、クラス内のサンプルを集めながらクラス間のセパビリティを最大化する。 プロトタイプ学習中、幾何学的近接性は擬似ラベルの信頼度を適応的に重み付けすることで意味的整合性の整合性を示す信頼性指標を提供する。 結果として得られたメンバーシップ行列とプロトタイプは、特徴再構成を促進し、元の特徴よりも再構築後の量子化を確保し、その後のハッシュコーディング品質を改善し、両方のステージをシームレスに接続する。 第2段階では、ドメイン固有の量子化関数が相互近似制約の下で再構成された特徴を処理し、ドメイン間で統一されたバイナリハッシュコードを生成する。 大規模な実験は、複数のデータセットにわたるPSCAの優れたパフォーマンスを検証する。

関連論文リスト

• Bi-discriminator Domain Adversarial Neural Networks with Class-Level Gradient Alignment [87.8301166955305]
  そこで本研究では,クラスレベルのアライメントアライメントを有するバイディミネータドメイン対向ニューラルネットワークを提案する。 BACGは、領域分布の整合性を改善するために勾配信号と二階確率推定を利用する。 さらに、対照的な学習にインスパイアされ、トレーニングプロセスを大幅に短縮できるメモリバンクベースの変種であるFast-BACGを開発した。
  論文  参考訳（メタデータ） (2023-10-21T09:53:17Z)
• ATTA: Anomaly-aware Test-Time Adaptation for Out-of-Distribution Detection in Segmentation [22.084967085509387]
  ドメインシフトとセマンティックシフトを協調的に扱うための二重レベルOOD検出フレームワークを提案する。 第1のレベルは、グローバルな低レベル機能を活用することで、画像内にドメインシフトが存在するかどうかを区別する。 第2のレベルは、高次特徴写像を高密度に利用することにより、セマンティックシフトを伴う画素を識別する。
  論文  参考訳（メタデータ） (2023-09-12T06:49:56Z)
• Low-confidence Samples Matter for Domain Adaptation [47.552605279925736]
  ドメイン適応(DA)は、知識をラベルの豊富なソースドメインから関連するがラベルの少ないターゲットドメインに転送することを目的としている。 低信頼度サンプルの処理による新しいコントラスト学習法を提案する。 提案手法を教師なしと半教師付きの両方のDA設定で評価する。
  論文  参考訳（メタデータ） (2022-02-06T15:45:45Z)
• Unsupervised Domain Adaptation for Semantic Segmentation via Low-level Edge Information Transfer [27.64947077788111]
  セマンティックセグメンテーションのための教師なしドメイン適応は、合成データに基づいて訓練されたモデルを実際の画像に適応させることを目的としている。 従来の特徴レベルの対数学習手法は、高レベルの意味的特徴に適応するモデルのみを考慮していた。 本稿では,ドメイン間ギャップが小さい低レベルエッジ情報を明示的に利用して意味情報の伝達をガイドする試みについて紹介する。
  論文  参考訳（メタデータ） (2021-09-18T11:51:31Z)
• Exploring Sequence Feature Alignment for Domain Adaptive Detection Transformers [141.70707071815653]
  本稿では,検出変圧器の適応に特化して設計された新しいシーケンス特徴アライメント(SFA)法を提案する。 SFAはドメインクエリベースの機能アライメント(DQFA)モジュールとトークンワイド機能アライメント(TDA)モジュールで構成される。 3つの挑戦的なベンチマーク実験により、SFAは最先端のドメイン適応オブジェクト検出方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） (2021-07-27T07:17:12Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Uncertainty-Aware Unsupervised Domain Adaptation in Object Detection [34.18382705952121]
  Unlabelled Domain Adaptive Object Detectionは、ラベル付きソースドメインから監視されていないターゲットドメインへのディテクタの適応を目指している。 対比学習は、ドメイン間のグローバル分布を単に整列させるだけで、整列されたサンプルの整列を損なう可能性があります。 我々は,条件付き逆学習を導入した不確実性認識型ドメイン適応ネットワーク(uadan)を設計した。
  論文  参考訳（メタデータ） (2021-02-27T15:04:07Z)
• 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)
• 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。