- …
#2
summarized by : Shigemichi Matsuzaki
どんな論文か？
ラベル付きソースデータセットを用いず，ソースデータで事前学習したモデルのみを用いたセマンティックセグメンテーション（SS）の教師なしドメイン適応（UDA）手法．
ソースデータの分布を近似するジェネレータを学習し（Knowledge transfer stage），生成された偽ソースデータとターゲットデータを用いてドメイン適応（Model Adaptation）．
新規性
SSにおけるソースデータを用いないUDAの枠組みを初めて提案
結果
GTA5/SYNTHIAデータセットをソースとしCityscapeをターゲットとする実験で，ソースデータを要する既存手法に匹敵する精度を達成．
その他（なぜ通ったか？等）
ソースデータセットがなく，モデルにのみアクセス可能な状況は現実に起こりうるもので，実用的な問題設定と言える．
実験では高品質の画像を生成するためにCityscapesを用いて事前学習を行ったと述べられているが，妥当性に疑問を持った（ここでいう事前学習のタスクの内容が明記されていないが，教師ありのセグメンテーションだったらおかしい？）．
- …