Core Concepts
少量のラベル付きターゲットドメインサンプルを活用して、ドメイン間の差異を最小限に抑えながら、活動認識の性能を向上させる手法を提案する。
Abstract
本研究では、活動認識のドメイン適応に関する新しいベンチマークを提案する。このベンチマークは、映画データから実世界の第三者視点データ、エゴセントリックな視点の台所での活動、合成データから実データなど、多様で厳しいドメイン間の差異を含んでいる。
提案手法のRelaMixは以下の3つの主要な構成要素から成る:
時間的な一般化性を向上させるための時間的関係アテンションネットワークとリレーション・ドロップアウト(TRAN-RD)
共有潜在空間の多様性を高めるための統計分布ベースの特徴混合(SDFM)
ドメイン間のギャップを埋めるためのクロスドメイン情報アライメント(CDIA)
これらの手法により、提案手法RelaMixは、ベンチマークにおいて1-shot、5-shot、10-shot、20-shotの全ての設定で最先端の性能を達成している。また、教師なしドメイン適応手法と比較しても、少ないターゲットドメインサンプルで同等の性能を示している。
Stats
少量のターゲットドメインサンプルでも、教師なしドメイン適応手法と同等の性能が得られる
提案手法RelaMixは、1-shot、5-shot、10-shot、20-shotの全ての設定で最先端の性能を達成している
Quotes
"少量のラベル付きターゲットドメインサンプルを活用して、ドメイン間の差異を最小限に抑えながら、活動認識の性能を向上させる手法を提案する。"
"提案手法RelaMixは、1-shot、5-shot、10-shot、20-shotの全ての設定で最先端の性能を達成している。"