- …
- …
#393
summarized by : 金城 忍
どんな論文か？
ターゲットドメインのデータに対する疑似ラベルを推定する一方で、特徴量空間のクラス毎の推定された平均と共分散を利用して、ソースドメインの確率分布を拡張し、それに基づいて、事前に抽出され保存されたソースドメインの入力の特徴量をサンプリングし、学習することで、ターゲットドメインに対する当てはまりを改善する提案
新規性
ターゲットドメインの統計情報を利用して、ソースドメインの入力空間の確率分布を拡張することで、ドメイン適応への当てはまりの良さを改善するという点で新規
結果
ImageNetで事前学習したResNetを使用し、Office-31、VisDA-2017の評価では提案手法+BSPが平均値で他手法より良い結果となり、Digital Datasetsの評価では提案手法+JADAが平均値で他手法より良い結果を達成する一方で、提案手法適応時に決定境界がターゲットに対して明らかに適応できていることを確認
その他（なぜ通ったか？等）
- …
- …