#99
summarized by : uchi_k
Unsupervised Domain Adaptation Using Feature-Whitening and Consensus Loss

どんな論文か?

教師なしドメイン適応は、ラベルのないターゲットドメインの予測モデルを得るために、ソースドメインを活用する手法である。この論文では共分散行列に着目し、中間層のターゲット特徴とソース特徴を白色化、共通の球状分布に射影するバッチ正規化の一般化のようなドメイン固有白色化を提案、さらにエントロピーとconsistencyを組み合わせたMEC lossを提案しハイパーパラメータの調整の手間を軽減している。

新規性

特徴間の相関関係を考慮できる点で、特徴量の標準化のみを行うバッチ正規化に基づく手法の一般化になっている点、entropy loss と consistency loss を組み合わせた Min-Entropy Consensus (MEC) loss を使用することでハイパーパラメータの削減をはじめ複数の恩恵が得られている点

結果

MNIST、USPS、SVHN、CIFAR-10、STL10、Office-Home のUDAで competitive

その他(なぜ通ったか?等)

結果が良い、複数のNN系フレームワークに適用できる一般性の高い手法、提案手法が2つある