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。
教師なしドメイン適応(UDA)は,ターゲットドメインでのその性能を改善するために,ソースドメインに関するモデルの性能を本質的に取引する。問題を解決するために,教師なし領域拡張(UDE)が最近提案された。UDEは,UDAとしてターゲットドメインにモデルを適応させ,一方,そのソースドメイン性能を維持する。UDAとUDEの両設定において,与えられたドメインに合わせたモデル,即ち,ソースまたはターゲットドメインは,与えられたドメインからサンプルをうまく処理すると仮定した。2つのドメイン間の結晶的に明確な境界の欠如を考えると,交差ドメイン視覚曖昧さの存在を報告することにより,仮定に疑問を投げかけるが,一つのドメインからの試料は他のドメインに視覚的に近接できる。そのような種類の試料は,典型的にはホストドメインで少数であり,ドメイン特異的モデルにより見落とされる傾向があるが,他のドメインからのモデルによってより良く処理できる。この発見を利用して,Co-Taching(CT)を提案した。CT法を,知識蒸留ベースのCT(kdCT)プラス混合ベースのCT(miCT)で即座化した。特に,kdCTは,先行教師ネットワークと支援教師ネットワークから学生ネットワークへの知識を転送し,従って,交差ドメイン曖昧さは,学生によってより良く扱われる。一方,miCTはさらに学生の一般化能力を強化する。2つの画像分類データセットと2つの駆動-シーンセグメンテーションデータセットに関する大規模な実験は,UDAとUDEのためのCTの実行可能性を正当化する。【JST・京大機械翻訳】
