抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
1つのドメインで訓練された機械学習モデルは,ドメインシフトの存在のため,他のドメインで十分に機能しない。ドメイン適応技法は,ラベルリッチソースドメインからラベルスカルセターゲットドメインへの移動可能モデル訓練により,この問題を解いた。残念なことに,既存のドメイン適応技術の大部分は,ターゲットドメインデータのアベイラビリティに依存し,従って,少数のコンピュータビジョン問題にわたって小さなコミュニティへのそれらの応用を制限する。本論文では,ターゲットドメインデータが訓練段階で利用できない,挑戦的なゼロショットドメイン適応(ZSDA)問題に取り組んだ。この目的のために,結合生成敵対ネットワーク(CoGAN)を条件付けモデルに拡張することにより,条件付き結合生成敵対ネットワーク(CoCoGAN)を提案した。芸術の既存の状態と比較して,提案したCoCoGANは,2つの異なるタスク,即ち,関連するタスク(RT)と無関係なタスク(IRT)におけるデュアルドメインサンプルの関節分布を捉えることができる。ドメイン適応を完了するために,IRTのRTおよびデュアルドメインサンプルにおいて,両方のソースドメインサンプルを用いてCoCoGANを訓練した。前者は,非利用可能なターゲットドメインデータの高レベル概念を提供するが,後者はRTとIRTの2つのドメイン間の共有相関を運ぶ。RTに対するターゲットドメインデータがない場合にCoCoGANを訓練するために,新しい監視信号,すなわちタスク間の表現間のアラインメントを提案した。大規模な実験は,提案したCoCoGANが画像分類における芸術の既存の状態より優れていることを実証した。【JST・京大機械翻訳】
