Core Concepts
既存のドメイン一般化アルゴリズムが経験的リスク最小化(ERM)を上回るかどうかについて、ラベルノイズの影響を通じて調査しました。
Abstract
本論文はICLR 2024で発表されたもので、コンピュータサイエンスの分野で執筆されました。
ドメイン一般化アルゴリズムとERMの比較に焦点を当て、ラベルノイズが汎化能力に与える影響を明らかにしています。
ラベルノイズがERMによる失敗要因となり、ILアルゴリズムが特定の合成状況で優位性を示すことが示唆されています。
実世界データセットではILアルゴリズムの優位性は確認されず、ERMも競争力を持っていることが示されています。
ドメインシフトデータセットでは、ラベルノイズがすべてのテストデータセットでパフォーマンスを低下させることが報告されています。
Stats
ERMは85%のトレーニング精度を達成しました。
IRMは58.8%のトレーニング精度を達成しました。
Mixupは61.7%のトレーニング精度を達成しました。
Quotes
"IRMおよびV-RExなどのILアルゴリズムは、特定の合成状況でERMに比べて明らかな利点を示します。"
"実世界データセットではILアルゴリズムの優位性は確認されず、ERMも競争力を持っていることが示されています。"