論文の概要: Improving Category-Aware Active Domain Adaptation via Uncertainty-Guided Region Coverage

• arxiv url: http://arxiv.org/abs/2610.19803v1
• Date: Wed, 14 Oct 2026 08:46:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.041307
• Title: Improving Category-Aware Active Domain Adaptation via Uncertainty-Guided Region Coverage
• Title（参考訳）: 不確実性誘導領域被覆によるカテゴリー対応型アクティブドメイン適応の改善
• Abstract要約: 本稿では、ドメイン適応性能を向上させるために、影響関数に基づくポイントワイズ選択戦略を提案する。 本稿では、まず、ポイントワイズ選択のセンシティブで冗長な側面に対処し、取得関数の過度な適合につながる可能性がある。 選択機構に不確実点を導入し、対象領域のより良い決定境界を学習する。
• 参考スコア（独自算出の注目度）: 5.8010446129208155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active domain adaptation researches focus on alleviating the annotation cost, which comprises source data and target data labelling, as well as enhancing the performance of unsupervised domain adaptation. However, optimizing the adaptation model based on the average accuracy can lead to the drop in performance of some difficult categories. To overcome this issue, a point-wise selection strategy built upon the influence function can be used to improve domain adaptation performance. In our work, we first address the sensitive and redundant aspects of point-wise selection, which can lead to overfitting of the acquisition function. We thus introduce a region-based approach that ensures the improvement of the adaptation model by maximizing a positive manifold coverage. An uncertainty score is further introduced to the selection mechanism to learn a better decision boundary for the target domain. In comprehensive experiments, our proposed method surpasses the first category-aware active domain adaptation baseline as well as existing active domain adaptation methods across multiple domain adaptation benchmarks. Our implementation is available at: https://github.com/nhtm2702/WHO IS NEXT.
• Abstract（参考訳）: アクティブドメイン適応研究は、ソースデータとターゲットデータラベリングを含むアノテーションコストの軽減と、教師なしドメイン適応の性能向上に重点を置いている。 しかし、平均精度に基づいて適応モデルを最適化すると、いくつかの難しいカテゴリのパフォーマンスが低下する可能性がある。 この問題を解決するために、影響関数に基づくポイントワイズ選択戦略を用いて、ドメイン適応性能を向上させることができる。 本稿では、まず、ポイントワイズ選択のセンシティブで冗長な側面に対処し、取得関数の過度な適合につながる可能性がある。 そこで我々は,正の多様体被覆を最大化することにより適応モデルを改善するための領域ベースアプローチを導入する。 さらに、選択機構に不確実点を導入し、対象領域のより良い決定境界を学習する。 包括的実験において,提案手法は,複数のドメイン適応ベンチマークにまたがる既存のアクティブドメイン適応手法と同様に,最初のカテゴリ対応のアクティブドメイン適応ベースラインを超越する。 私たちの実装は、https://github.com/nhtm2702/WHO IS NEXTで利用可能です。

関連論文リスト

• Reinforced Domain Selection for Continuous Domain Adaptation [20.677602074259298]
  教師なし連続ドメイン適応設定において,強化学習と機能障害を組み合わせたドメインパス選択を行う新しいフレームワークを提案する。 提案手法では,潜伏領域の埋め込み距離を利用した非教師なし報酬機構を導入する。 そこで本手法は,ドメイン固有の特徴を用いた教師なし報酬の計算を容易にし,ドメイン適応を促進する。
  論文  参考訳（メタデータ） (2025-10-12T10:05:17Z)
• Self-Aware Adaptive Alignment: Enabling Accurate Perception for Intelligent Transportation Systems [19.841516107325898]
  提案手法は、ソースおよびターゲットドメインデータセットに基づいて訓練された特定の注意に基づくアライメントモジュールを用いる。 チャネルの重要性が再重み付けされた両方のドメインの機能は、リージョン提案ネットワークに入力される。 実験の結果,SA3は従来の最先端手法よりも優れた結果が得られることがわかった。
  論文  参考訳（メタデータ） (2025-08-19T13:33:03Z)
• Progressive Classifier and Feature Extractor Adaptation for Unsupervised Domain Adaptation on Point Clouds [36.596096617244655]
  非教師なしドメイン適応(UDA)は、ポイントクラウド分析の分野において重要な課題である。 本稿では,3次元UDAのための分類器と特徴抽出器を深く結合した新しいフレームワークを提案する。 われわれのPCFEAはマクロレベルとマイクロレベルという2つの異なる視点から3D UDAを実施している。
  論文  参考訳（メタデータ） (2023-11-27T07:33:15Z)
• Towards Subject Agnostic Affective Emotion Recognition [8.142798657174332]
  脳波信号による脳-コンピュータインタフェース(aBCI)の不安定性 本稿では,メタラーニングに基づくメタドメイン適応手法を提案する。 提案手法は,パブリックなaBICsデータセットの実験において有効であることが示されている。
  論文  参考訳（メタデータ） (2023-10-20T23:44:34Z)
• Labeling Where Adapting Fails: Cross-Domain Semantic Segmentation with Point Supervision via Active Selection [81.703478548177]
  セマンティックセグメンテーションに特化したトレーニングモデルは、大量のピクセル単位のアノテートデータを必要とする。 教師なしドメイン適応手法は、ラベル付きソースとラベルなしターゲットデータとの間の特徴分布の整合化を目的としている。 以前の研究は、対象データにスパース単一ピクセルアノテーションという形で、人間のインタラクションをこのプロセスに含めようと試みていた。 アクティブな選択による注釈付きポイントを用いた意味的セグメンテーションのための新しいドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-01T01:52:28Z)
• 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)
• MetaAlign: Coordinating Domain Alignment and Classification for Unsupervised Domain Adaptation [84.90801699807426]
  本稿ではMetaAlignと呼ばれるメタ最適化に基づく効果的な戦略を提案する。 ドメインアライメントの目的と分類の目的をメタ学習計画におけるメタトレーニングとメタテストのタスクとして扱う。 実験結果は,アライメントに基づくベースラインアプローチを用いた提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-03-25T03:16:05Z)
• Gradient Regularized Contrastive Learning for Continual Domain Adaptation [86.02012896014095]
  本稿では,ラベル付きソースドメインと非ラベル付きターゲットドメインのシーケンスでモデルを提示する連続的なドメイン適応の問題について検討する。 障害を解決するため,グラディエント正規化コントラスト学習(GRCL)を提案する。 Digits、DomainNet、Office-Caltechベンチマークの実験は、我々のアプローチの強力なパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-03-23T04:10:42Z)
• Selective Pseudo-Labeling with Reinforcement Learning for Semi-Supervised Domain Adaptation [116.48885692054724]
  半教師付きドメイン適応のための強化学習に基づく選択擬似ラベル法を提案する。 高精度かつ代表的な擬似ラベルインスタンスを選択するための深層Q-ラーニングモデルを開発する。 提案手法は, SSDAのベンチマークデータセットを用いて評価し, 全ての比較手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-07T03:37:38Z)
• 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)

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。