Subtype-Aware Dynamic Unsupervised Domain Adaptation

要約

教師なしドメイン適応 (UDA) は、ラベル付けされたソース ドメインからターゲット ドメインにラベルなしで知識を転送するためにうまく適用されています。
最近導入された転送可能なプロトタイプ ネットワーク (TPN) は、クラスごとの条件付きアライメントにさらに対処します。
TPN では、ソース ドメインとターゲット ドメイン間のクラス センターの近さは潜在空間で明示的に強制されますが、基礎となるきめの細かいサブタイプ構造とクロスドメイン クラス内コンパクト性は十分に調査されていません。
これに対抗するために、両方のドメインでサブタイプ ラベルを使用せずにターゲット ドメインでパフォーマンスを向上させるために、きめの細かいサブタイプ認識アラインメントを適応的に実行する新しいアプローチを提案します。
私たちのアプローチの洞察は、クラス内のラベル付けされていないサブタイプは、サブタイプ内で局所的に近接している一方で、異なる条件とラベルのシフトのために異なる特性を示しているということです。
具体的には、中間疑似ラベルを利用することにより、サブタイプごとのコンパクトさとクラスごとの分離を同時に強制することを提案します。
さらに、サブタイプ番号の事前知識の有無にかかわらず、さまざまなシナリオを体系的に調査し、基になるサブタイプ構造を活用することを提案します。
さらに、代替処理スキームを使用してサブタイプ クラスター重心を着実に進化させるために、動的キュー フレームワークが開発されています。
マルチビューの先天性心疾患データと VisDA および DomainNet を使用して実施された実験結果は、最先端の UDA メソッドと比較して、サブタイプを認識する UDA の有効性と有効性を示しています。

要約(オリジナル)

Unsupervised domain adaptation (UDA) has been successfully applied to transfer knowledge from a labeled source domain to target domains without their labels. Recently introduced transferable prototypical networks (TPN) further addresses class-wise conditional alignment. In TPN, while the closeness of class centers between source and target domains is explicitly enforced in a latent space, the underlying fine-grained subtype structure and the cross-domain within-class compactness have not been fully investigated. To counter this, we propose a new approach to adaptively perform a fine-grained subtype-aware alignment to improve performance in the target domain without the subtype label in both domains. The insight of our approach is that the unlabeled subtypes in a class have the local proximity within a subtype, while exhibiting disparate characteristics, because of different conditional and label shifts. Specifically, we propose to simultaneously enforce subtype-wise compactness and class-wise separation, by utilizing intermediate pseudo-labels. In addition, we systematically investigate various scenarios with and without prior knowledge of subtype numbers, and propose to exploit the underlying subtype structure. Furthermore, a dynamic queue framework is developed to evolve the subtype cluster centroids steadily using an alternative processing scheme. Experimental results, carried out with multi-view congenital heart disease data and VisDA and DomainNet, show the effectiveness and validity of our subtype-aware UDA, compared with state-of-the-art UDA methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google