Core Concepts
提案手法は、ドメイン間の潜在的因果関係を活用することで、ラベル分布の大きな変化にも適応可能な新しいドメイン適応手法を提案する。
Abstract
本論文は、ドメイン適応の新しいパラダイムである潜在的共変量シフト(Latent Covariate Shift: LCS)を提案している。LCSでは、ラベル変数yと入力変数xの間に潜在的な因果関係を持つ潜在変数zcを導入する。これにより、ドメイン間でzcの分布が変化しても、pu(y|zc)が不変となることが理論的に保証される。
提案手法では、zcとは別に潜在的スタイル変数zsを導入し、より複雑な潜在因果モデルを構築する。理論的な分析により、zcは特定のブロック同一性まで同定可能であることを示す。この同定可能性に基づき、提案手法ではpu(y|zc)を学習し、ターゲットドメインへの適応を実現する。
実験では、ラベル分布の大きく変化するデータセットを用いて評価を行い、提案手法が従来手法を大きく上回る性能を示すことを確認した。特に、ラベル分布の変化が大きい場合に提案手法の優位性が顕著に現れている。
Stats
ドメイン間のラベル分布の差異(KL divergence)が大きくなるほど、従来手法の性能が大きく低下する一方で、提案手法の性能は安定して高い。
提案手法は、ラベル分布の大きな変化があるTerra Incognitaデータセットでも、他手法を大きく上回る性能を示す。
Quotes
"ラベル分布が大きく変化する実世界のシナリオでは、従来手法の性能が大きく低下する一方で、提案手法は安定して高い性能を発揮する。"
"提案手法は、潜在的因果関係を活用することで、ラベル分布の大きな変化にも適応可能な新しいドメイン適応手法を実現している。"