論文の概要: Unsupervised Domain Adaptation for Multitask Image Analysis in Realistic Context with Extreme Label Shift; Application to the CTAO first Large Sized Telescope

• arxiv url: http://arxiv.org/abs/2608.09630v1
• Date: Mon, 10 Aug 2026 14:12:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.299578
• Title: Unsupervised Domain Adaptation for Multitask Image Analysis in Realistic Context with Extreme Label Shift; Application to the CTAO first Large Sized Telescope
• Title（参考訳）: 極端ラベルシフトを伴う実時間文脈におけるマルチタスク画像解析のための教師なし領域適応 : CTAO第1大型望遠鏡への応用
• Abstract要約: 教師なしマルチタスクドメイン適応(英: Unsupervised multitask domain adapt)は、ラベル付きソースドメインの知識を活用して、関連するラベルなしターゲットドメイン上でうまく機能するようにモデルを訓練する手法である。 極端クラス不均衡の現実的な文脈において,ドメイン適応とマルチタスクバランスを関連付けることを提案する。
• 参考スコア（独自算出の注目度）: 42.31343305672911
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Unsupervised domain adaptation is a widespread set of methods that leverages the knowledge of a labeled source domain to train a model to perform well on a related unlabeled target domain. They generally introduce an auxiliary adaptation-related task that can be integrated into the multitask paradigm, which aims to merge multiple single-task models into a unified architecture. In this paper, we propose to associate domain adaptation and multitask balancing in the realistic context of an extreme class imbalance. Therefore, we propose a combined framework to cover and validate these approaches, and evaluate its performance in the physics-based context of the Cherenkov Telescope Array Observatory (CTAO). Along with a comparative study of some relevant adaptation techniques, we highlight the impact of extreme label shift and extend the investigations on importance weighting to rectify it. The complete code and results are published and available as open-source resources on Zenodo.
• Abstract（参考訳）: 教師なしドメイン適応(Unsupervised domain adapt)は、ラベル付きソースドメインの知識を活用して、関連するラベルなしターゲットドメイン上でうまく機能するようにモデルを訓練する、幅広い手法のセットである。 彼らは一般的に、複数の単一タスクモデルを統一アーキテクチャにマージすることを目的として、マルチタスクパラダイムに統合できる補助的な適応関連タスクを導入している。 本稿では,ドメイン適応とマルチタスクバランスを,極端なクラス不均衡の現実的な文脈で関連付けることを提案する。 そこで本研究では,チェレンコフ望遠鏡アレイ観測所(CTAO)において,これらの手法をカバーし,検証するための複合フレームワークを提案し,その性能評価を行った。 いくつかの関連する適応手法の比較研究とともに、極端ラベルシフトの影響を強調し、重み付けに関する調査を拡張して修正する。 完全なコードと結果が公開され、Zenodoのオープンソースリソースとして利用できる。

関連論文リスト

• A Unified Analysis of Generalization and Sample Complexity for Semi-Supervised Domain Adaptation [1.9567015559455132]
  ドメイン適応は、ソースドメインの豊富なラベル情報を活用して、限られたラベルを持つターゲットドメインの分類性能を向上させる。 既存の理論的分析のほとんどは、ソースとターゲットドメインが同じ入力空間を共有するような単純化された設定に焦点を当てている。 本稿では、ドメインアライメントに基づくドメイン適応アルゴリズムに関する包括的な理論的研究を行う。
  論文  参考訳（メタデータ） (2025-07-30T12:53:08Z)
• Unified Domain Adaptive Semantic Segmentation [105.05235403072021]
  Unsupervised Adaptive Domain Semantic (UDA-SS)は、ラベル付きソースドメインからラベル付きターゲットドメインに監督を移すことを目的としている。 本稿では,特徴量と特徴量との相違に対処するQuad-directional Mixup(QuadMix)法を提案する。 提案手法は,4つの挑戦的UDA-SSベンチマークにおいて,最先端の成果を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2023-11-22T09:18:49Z)
• CAusal and collaborative proxy-tasKs lEarning for Semi-Supervised Domain Adaptation [20.589323508870592]
  半教師付きドメイン適応(SSDA)は、ソースドメインデータとラベル付きターゲットサンプルを効果的に活用することにより、学習者を新しいドメインに適応させる。 提案手法は,SSDAデータセットの有効性と汎用性の観点から,SOTA法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-30T16:48:28Z)
• Hierarchical Optimal Transport for Unsupervised Domain Adaptation [0.0]
  本稿では,最適輸送,学習確率測定,教師なし学習の概念を関連づけた,教師なし領域適応のための新しいアプローチを提案する。 提案手法であるHOT-DAは最適輸送の階層的な定式化に基づいている。 制御可能な複雑さを持つ玩具データセットと、2つの挑戦的な視覚適応データセットの実験は、最先端技術よりも提案されたアプローチの優位性を示している。
  論文  参考訳（メタデータ） (2021-12-03T18:37:23Z)
• Unsupervised Domain Generalization for Person Re-identification: A Domain-specific Adaptive Framework [50.88463458896428]
  ドメイン一般化(DG)は近年,人物再同定(ReID)において注目されている。 既存のメソッドは通常、ソースドメインにラベルを付ける必要があります。 本稿では、単純で効率的なドメイン固有適応化フレームワークを提案し、適応正規化モジュールで実現する。
  論文  参考訳（メタデータ） (2021-11-30T02:35:51Z)
• A Review of Single-Source Deep Unsupervised Visual Domain Adaptation [81.07994783143533]
  大規模ラベル付きトレーニングデータセットにより、ディープニューラルネットワークは、幅広いベンチマークビジョンタスクを拡張できるようになった。 多くのアプリケーションにおいて、大量のラベル付きデータを取得するのは非常に高価で時間を要する。 限られたラベル付きトレーニングデータに対処するため、大規模ラベル付きソースドメインでトレーニングされたモデルを、疎ラベルまたは未ラベルのターゲットドメインに直接適用しようと試みている人も多い。
  論文  参考訳（メタデータ） (2020-09-01T00:06:50Z)
• Contradistinguisher: A Vapnik's Imperative to Unsupervised Domain Adaptation [7.538482310185133]
  本研究では,コントラスト特徴を学習するContradistinguisherと呼ばれるモデルを提案する。 Office-31とVisDA-2017における最先端のデータセットを、シングルソースとマルチソースの両方で実現しています。
  論文  参考訳（メタデータ） (2020-05-25T19:54:38Z)
• 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)
• Universal Source-Free Domain Adaptation [57.37520645827318]
  ドメイン適応のための新しい2段階学習プロセスを提案する。 Procurementの段階では、今後のカテゴリギャップやドメインシフトに関する事前知識を前提とせず、将来的なソースフリーデプロイメントのためのモデルの提供を目標としています。 Deploymentの段階では、幅広いカテゴリギャップをまたいで動作可能な統一適応アルゴリズムを設計することを目的としている。
  論文  参考訳（メタデータ） (2020-04-09T07:26:20Z)

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。