Collaborative Multi-source Domain Adaptation Through Optimal Transport

要約

マルチソース ドメイン アダプテーション (MDA) は、ソース データへのアクセスを前提として、複数のラベル付きソース ドメインのデータでトレーニングされたモデルを適応させて、ラベルのないターゲット ドメイン データで効果的に実行することを目指します。
モデル適応とデータ プライバシーの課題に対処するために、2 つの主要なフェーズで構成される新しいフレームワークである Collaborative MDA Through Optimal Transport (CMDA-OT) を導入します。
最初のフェーズでは、最適なトランスポート方法を使用して、各ソース ドメインがターゲット ドメインに個別に適応されます。
第 2 フェーズでは、データにアクセスせずに N 個のソースから N 個のモデルを集約する集中型の協調学習アーキテクチャが採用され、それによってプライバシーが保護されます。
このプロセス中に、サーバーは、ターゲット検証サブセットとして知られる、ターゲット ドメインからの疑似ラベル付きサンプルの小さなセットを利用して、適応を調整し、ガイドします。
このデュアルフェーズのアプローチは、ターゲット ドメインでのモデルのパフォーマンスを向上させるだけでなく、ドメインの適応に固有の重要なプライバシーの課題にも対処します。

要約(オリジナル)

Multi-source Domain Adaptation (MDA) seeks to adapt models trained on data from multiple labeled source domains to perform effectively on an unlabeled target domain data, assuming access to sources data. To address the challenges of model adaptation and data privacy, we introduce Collaborative MDA Through Optimal Transport (CMDA-OT), a novel framework consisting of two key phases. In the first phase, each source domain is independently adapted to the target domain using optimal transport methods. In the second phase, a centralized collaborative learning architecture is employed, which aggregates the N models from the N sources without accessing their data, thereby safeguarding privacy. During this process, the server leverages a small set of pseudo-labeled samples from the target domain, known as the target validation subset, to refine and guide the adaptation. This dual-phase approach not only improves model performance on the target domain but also addresses vital privacy challenges inherent in domain adaptation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google