#92
summarized by : Hiroaki Aizawa
A Broader Study of Cross-Domain Few-Shot Learning
Yunhui Guo, Noel C. Codella, Leonid Karlinsky, James V. Codella, John R. Smith, Kate Saenko, Tajana Rosing, Rogerio Feris

どんな論文か？

base class と novel class 間に大きなdomain shiftが存在する場合のcross-domain few-shot learningに関する研究．そのためのデータセットとベンチマークを作成し，大規模な調査を行った．
placeholder

新規性

これまでのcross-domain few-shot learningでは，ImageNetからCUBなど自然画像間の小さなdomain shiftを扱っていた．この研究では，自然画像から衛星画像や医用画像など大きなdomain shiftを扱う．具体的には，観測視点を持つか，コンテンツ，カラーデプスの3点によるdomain shiftについて調査

結果

実験から，SOTAの手法は初期の手法よりも優れているが，すべての手法はシンプルなfine-tuningベースの方法より，平均精度が12.8%ほど劣り，場合によってはランダム重みよりも劣ることがわかった．またcross-domain設定における先行研究で見られてた性能の向上はこのような大きなdomain shift下では確認できなかった．

その他（なぜ通ったか？等）

このページで利用されている画像は論文から引用しています．