Your Classifier can Secretly Suffice Multi-Source Domain Adaptation

[nocotan]

一言でいうと

深層モデルが暗黙的にMulti-Source Domain Adaptationに準ずる振る舞いをするという観測をもとに，これを有効活用することで追加の目的関数なしにドメイン適応を達成する手法を提案．

論文リンク

https://papers.nips.cc/paper/2020/file/3181d59d19e76e902666df5c7821259a-Paper.pdf

著者/所属機関

Naveen Venkat et al. (Video Analytics Lab, Indian Institute of Science)

投稿日付(yyyy/MM/dd)

2020/12

概要

Multi-Source Domain Adaptation (MSDA)は，複数のラベル付きソースドメインを用いてラベルの付いていないターゲットドメインにおけるタスクを効率的に解くという問題設定である．
既存の手法の多くは，分布間を近づけるような補助的な目的関数を導入することでこの問題に取り組んでいる．
本研究では，MSDAとは異なる視点から，深層モデルがラベル付き学習の下で暗黙的にドメインを近づけるような振る舞いをすることを観測した．
そこで，著者らはこのような暗黙的な振る舞いを有向活用することで，追加の目的関数なしにMSDAを達成することを目指す．

新規性・差分

• 深層モデルがラベル付き学習の下で暗黙的にドメインを近づけるような振る舞いをすることを観測
• 暗黙的な振る舞いを有効活用することで，追加の目的関数なしにMSDAを達成

手法

結果

コメント