- …
- …
#164
summarized by : 金城 忍
どんな論文か？
教師なしドメイン適応で、ドメイン不変の特徴量を、2つの分類器を使用した敵対的学習で学習する一方で、ソースドメインに対しては教師あり学習また、ターゲットドメインに対してはクラスタリングに基づく疑似ラベルを使用した自己教師あり学習を実施すると同時に、両者の勾配の違いを小さくすることで最適化のパスに類似性をもたせ、ターゲットドメインにおける精度を保証
新規性
2つの分類器を使用した敵対的学習で、両分類器からの出力の類似度ではなく、ドメイン間の勾配の差を小さくすることで、教師なしドメイン適応におけるターゲットドメインの精度を保証するという点では新規
結果
ResNetベースのモデルで、DomainNet、VisDA-2017、ImageCLEFを使用した評価では精度の平均値で既存手法よりも良い結果を達成
その他（なぜ通ったか？等）
前提条件にソースデータとターゲットデータ、それぞれを使用した学習では、似たような勾配のシグナルが出力されるという前提条件 (Assumption) は、非常に感覚的で強過ぎると思います。
- …
- …