- …
- …
#676
summarized by : 金城 忍
どんな論文か？
サンプル毎で、それとは異なるサンプルを説明するような交絡因子を計算し、学習可能なパラメータを用いて、それを特徴量から排除し、サンプル空間の分布に潜む不要なバイアスを取り除く提案
新規性
特徴量に潜む交絡因子をEnd-to-Endで排除するという点で新規
結果
無作為に生成された画像を使用して、学習された特徴量と交絡因子との距離相関及びBalanced Accuracyを指標とした評価では、単純な畳み込みネットワークに提案手法を適応した場合に良い結果 (対Batch / Group Norm) を達成する一方で、異なるデータセットを用いた学習結果に対しては、提案手法を適応した場合に特徴量が分類されることを確認した
その他（なぜ通ったか？等）
- …
- …