論文の概要: Hierarchical Bayesian Framework for Multisource Domain Adaptation

• arxiv url: http://arxiv.org/abs/2512.18553v1
• Date: Sun, 21 Dec 2025 00:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.393263
• Title: Hierarchical Bayesian Framework for Multisource Domain Adaptation
• Title（参考訳）: マルチソースドメイン適応のための階層型ベイズフレームワーク
• Authors: Alexander M. Glandon, Khan M. Iftekharuddin,
• Abstract要約: マルチソースドメイン適応(MDA)は、利用可能なラベルを持つ複数のソースデータセットを使用して、ターゲット監視のために利用可能なラベルなしで、ターゲットデータセット上のラベルを推測することを目的としている。 本研究は、異なるソース領域の分布が典型的に類似していることを考慮し、MDAにおける事前学習のためのベイズフレームワークを提案する。 MDAのためのベイズフレームワークを用いた実験により,大規模なベンチマークデータセットの認識タスクの精度が向上することが示された。
• 参考スコア（独自算出の注目度）: 42.59103641293631
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multisource domain adaptation (MDA) aims to use multiple source datasets with available labels to infer labels on a target dataset without available labels for target supervision. Prior works on MDA in the literature is ad-hoc as the pretraining of source models is either based on weight sharing or uses independently trained models. This work proposes a Bayesian framework for pretraining in MDA by considering that the distributions of different source domains are typically similar. The Hierarchical Bayesian Framework uses similarity between the different source data distributions to optimize the pretraining for MDA. Experiments using the proposed Bayesian framework for MDA show that our framework improves accuracy on recognition tasks for a large benchmark dataset. Performance comparison with state-of-the-art MDA methods on the challenging problem of human action recognition in multi-domain benchmark Daily-DA RGB video shows the proposed Bayesian Framework offers a 17.29% improvement in accuracy when compared to the state-of-the-art methods in the literature.
• Abstract（参考訳）: マルチソースドメイン適応(MDA)は、利用可能なラベルを持つ複数のソースデータセットを使用して、ターゲット監視のために利用可能なラベルなしで、ターゲットデータセット上のラベルを推測することを目的としている。 文献におけるMDAに関する先行研究は、ソースモデルの事前訓練が重み共有に基づくか、独立に訓練されたモデルを使用するため、アドホックである。 本研究は、異なるソース領域の分布が典型的に類似していることを考慮し、MDAにおける事前学習のためのベイズフレームワークを提案する。 Hierarchical Bayesian Frameworkは、異なるソースデータディストリビューション間の類似性を使用して、MDAの事前トレーニングを最適化する。 MDAのためのベイズフレームワークを用いた実験により,大規模なベンチマークデータセットの認識タスクの精度が向上することが示された。 マルチドメインベンチマークにおける人間の行動認識の難解な問題に対する最先端のMDA手法との性能比較 デイリーDA RGBビデオは、提案されたベイズフレームワークが、文学における最先端の手法と比較して17.29%の精度向上を提供することを示している。

関連論文リスト

• Adapting Foundation Models for Few-Shot Medical Image Segmentation: Actively and Sequentially [4.65647362545504]
  FSDAにおける動的補助的データセット選択のためのフレームワークを提案する。 我々は、目標タスクと密接に一致した補助データセットのトレーニングを優先する効率的な報酬関数を導出する。 提案手法はMRIでは平均27.75%,CTでは7.52%,Diceでは平均27.75%であった。
  論文  参考訳（メタデータ） (2025-02-03T02:47:10Z)
• Subject-Based Domain Adaptation for Facial Expression Recognition [51.10374151948157]
  ディープラーニングモデルを特定の対象個人に適用することは、難しい表情認識タスクである。 本稿では、FERにおける主観的ドメイン適応のための新しいMSDA手法を提案する。 複数の情報源からの情報を効率的に利用して、ディープFERモデルを単一のターゲット個人に適応させる。
  論文  参考訳（メタデータ） (2023-12-09T18:40:37Z)
• Open-Set Domain Adaptation with Visual-Language Foundation Models [51.49854335102149]
  非教師なしドメイン適応(UDA)は、ソースドメインからラベルのないデータを持つターゲットドメインへの知識の転送に非常に効果的であることが証明されている。 オープンセットドメイン適応(ODA)は、トレーニングフェーズ中にこれらのクラスを識別する潜在的なソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-07-30T11:38:46Z)
• Algorithm-Dependent Bounds for Representation Learning of Multi-Source Domain Adaptation [7.6249291891777915]
  我々は情報理論ツールを用いて、表現学習の観点からMDA(Multi-source Domain Adaptation)の新たな分析を導出する。 本稿では,結合アライメントによる目標シフトに暗黙的に対処する,新しい深度MDAアルゴリズムを提案する。 提案アルゴリズムは、目標シフトしたMDAベンチマークの最先端性能に匹敵し、メモリ効率が向上した。
  論文  参考訳（メタデータ） (2023-04-04T18:32:20Z)
• Source-Free Domain Adaptation via Distribution Estimation [106.48277721860036]
  ドメイン適応は、ラベル付きソースドメインから学んだ知識を、データ分散が異なる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ます。 近年,ソースフリードメイン適応 (Source-Free Domain Adaptation, SFDA) が注目されている。 本研究では,SFDA-DEと呼ばれる新しいフレームワークを提案し,ソース分布推定によるSFDAタスクに対処する。
  論文  参考訳（メタデータ） (2022-04-24T12:22:19Z)
• Adapting Off-the-Shelf Source Segmenter for Target Medical Image Segmentation [12.703234995718372]
  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学習した知識をラベルなしおよび見え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。 データストレージやプライバシの問題のため、適応段階でのソースドメインデータへのアクセスは制限されることが多い。 我々は、ソースドメインで事前訓練されたオフザシェルフセグメントモデルをターゲットドメインに適用することを提案する。
  論文  参考訳（メタデータ） (2021-06-23T16:16:55Z)
• Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
  マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。 我々は2種類のグラフィカルモデルを提案する。 MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA) これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
  論文  参考訳（メタデータ） (2021-04-27T09:04:22Z)
• Instance Level Affinity-Based Transfer for Unsupervised Domain Adaptation [74.71931918541748]
  ILA-DAと呼ばれる適応中のソースからターゲットへの転送に対するインスタンス親和性に基づく基準を提案する。 まず、ソースとターゲットをまたいだ類似および異種サンプルを抽出し、マルチサンプルのコントラスト損失を利用してドメインアライメントプロセスを駆動する信頼性が高く効率的な手法を提案する。 ILA-DAの有効性は、様々なベンチマークデータセットに対する一般的なドメイン適応手法よりも精度が一貫した改善を観察することによって検証する。
  論文  参考訳（メタデータ） (2021-04-03T01:33:14Z)

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。