Core Concepts
スタイル分布のシフトと偶発的特徴の両方が存在し、ドメインラベルが欠落している設定において、スタイルと偶発的特徴を分離することで、ドメイン一般化を実現する。
Abstract
本論文は、スタイル分布のシフトと偶発的特徴の両方が存在し、ドメインラベルが欠落している設定における、ドメイン一般化の問題に取り組んでいる。
まず、構造的因果モデル(SCM)を提案し、スタイル分布のシフトと偶発的特徴を明示的にモデル化している。このSCMに基づき、IRSS(Invariant Representation Learning via Decoupling Style and Spurious Features)と呼ばれる新しいフレームワークを提案している。
IRSSでは、敵対的ニューラルネットワークとマルチ環境最適化を導入することで、画像からスタイル分布とスパース特徴を段階的に分離することができる。これにより、ドメイン一般化を実現している。
提案手法は、ドメインラベルを必要とせず、画像とラベルのみを使用する。実験では、PACS、OfficeHome、NICOデータセットにおいて、従来手法を上回る性能を示している。特に、IRM(Invariant Risk Minimization)の劣化問題を解決し、分布シフトの大きいデータセットでも良好な不変特徴を抽出できることを示している。
Stats
分布シフトの大きいデータセットでも良好な不変特徴を抽出できる。
ドメインラベルを必要とせず、画像とラベルのみを使用する。
Quotes
本論文では、スタイル分布のシフトと偶発的特徴の両方が存在し、ドメインラベルが欠落している設定における、ドメイン一般化の問題に取り組んでいる。