- …
- …
#398
summarized by : 岡本大和
どんな論文か？
Detectionモデルを対象としたUnsupervised Domain Adaptationの研究。
Targetドメインで検出した対象の特徴量とalignmentしても、そもそも検出領域が正確でない場合が多く、UDAがうまくできないと主張。
そこで、抽出した全てのRoIを距離と重なりに考慮しながらグループ化して代表となる特徴量を作成。これとalignmentする。
新規性
Detectionモデルを対象としたUnsupervised Domain Adaptationの研究は（Classificationタスクより数は少ないが）既に存在して、例えば敵対学習による手法などがあった。
微妙に誤差があるRoIについて、グラフ構造を定義して（＝距離と重なりを考慮してグループ化して）代表特徴量を抽出する本研究は、問題の着眼点もアプローチも新しい。
結果
Normal to Foggy、Synthetic to Real、Cross Camera Adaptationで実験。
全パターン全クラスでとはいかないが、従来手法の性能をほとんどの場合で上回った。
Ablation Studyで有効性も示し、T-SNEで特徴量のAlignmentが改善していることも確認。
その他（なぜ通ったか？等）
問題設定は既存のものだが、従来手法の抱える（問題点というよりも）改善点を的確に指摘して手法を提案した。
実験パターンが多く、Ablation StudyやT-SNEによる分析もしており、単に性能向上しただけのアピールではない点が好印象だったと推測される。
- …
- …