- …
- …
#14
summarized by : Atsuki Osanai
どんな論文か？
Semi-supervised Learning(SSL)を用いたText認識モデルのReal Domain(RD)適応．教師なしデータを扱うブランチで対照学習を行いRDで有用な特徴を獲得しつつ，別ブランチで教師あり学習を行う．教師あり/なしデータのDomainが異なっていても高い精度を実現，少量データでの汎化性も向上した．
新規性
・教師なしデータ用のブランチでMoCoを応用したDomain Generalな特徴の獲得
・対照学習におけるConsistency Regularizationを(画像レベルではなく)文字レベルで行う手法の導入
結果
IIIT5k, SVT, IC13/15, SCTP, CUTE datasetにおいて，各種ベースモデルに提案手法を適用し一様に改善を得ている．
その他（なぜ通ったか？等）
・手法の汎用性が高く応用が効く内容だと感じた
・Ablation Studyの網羅性，他のSSL手法との比較により本手法の有用性をアピールできている
- …
- …