- …
#944
summarized by : Koki Obinata
どんな論文か？
教師なしのドメイン適応に対して，クラス情報を用いてソース・ターゲットドメインの不一致度を測る．ターゲットドメインのラベルは存在しないので，ソースの方のデータのクラス中心を用いて，ターゲットドメインをクラスタリングし，ラベルを割り当てている．距離学習と同じモチベーションで，クラス内の不一致度を下げ，異クラス間の不一致度を上げる学習を行う．
新規性
ドメイン適応の指標として，クラス情報で条件づけた分布の一致を用いている点．
ドメイン適応度として，同一クラス内の一致度と異なるクラス間の不一致度を明示的にモデルしている点．
結果
Office-31とVisDA-2017で検証し，いずれにおいてもSOTA相当の結果．
Data Augmentation等は行わずに学習し，VisDA-2017では公式のリーダーボードで2番の精度を達成．
t-SNEの結果でクラス毎のまとまりがはっきりしている様子が見られた．
その他（なぜ通ったか？等）
距離学習とのアナロジーで，クラス間ではドメインの不一致度が上がるような正則化を加えているのが面白いアイディアで，Ablation studiesにて実際に精度の向上を確認している．
- …