Taxonomy-Structured Domain Adaptation

要約

ドメイン適応は、異なるドメイン間の分布の変化を軽減することを目的としています。
ただし、従来の定式化はほとんどがカテゴリ ドメインに限定されており、現実世界の微妙なドメイン関係が大幅に単純化されています。
この研究では、動物種や製品カタログなどの入れ子になった階層的な類似構造を持つドメインを形式化する、分類構造のドメインによる一般化に取り組みます。
私たちは古典的な敵対的フレームワークを構築し、分類情報を保存するために敵対的識別子と競合する新しい分類学者を導入します。
他の分類法では自明ではない結果が得られますが、非情報的なドメイン分類法 (すべての葉ノードがルート ノードに接続するフラットな分類法など) が与えられた場合、平衡は古典的な敵対的ドメイン適応の解決策を回復します。
経験的に、私たちの方法は、適応が成功した場合、合成データセットと現実世界のデータセットの両方で最先端のパフォーマンスを達成します。
コードは https://github.com/Wang-ML-Lab/TSDA で入手できます。

要約(オリジナル)

Domain adaptation aims to mitigate distribution shifts among different domains. However, traditional formulations are mostly limited to categorical domains, greatly simplifying nuanced domain relationships in the real world. In this work, we tackle a generalization with taxonomy-structured domains, which formalizes domains with nested, hierarchical similarity structures such as animal species and product catalogs. We build on the classic adversarial framework and introduce a novel taxonomist, which competes with the adversarial discriminator to preserve the taxonomy information. The equilibrium recovers the classic adversarial domain adaptation’s solution if given a non-informative domain taxonomy (e.g., a flat taxonomy where all leaf nodes connect to the root node) while yielding non-trivial results with other taxonomies. Empirically, our method achieves state-of-the-art performance on both synthetic and real-world datasets with successful adaptation. Code is available at https://github.com/Wang-ML-Lab/TSDA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google