核心概念
다양한 도메인에서의 활동 인식을 위해 소량의 레이블된 타겟 도메인 샘플만을 활용하여 효과적인 적응을 달성하는 방법을 제안한다.
要約
이 연구는 활동 인식을 위한 Few-Shot Domain Adaptation (FSDA-AR) 작업을 탐구한다. FSDA-AR은 소량의 레이블된 타겟 도메인 샘플만을 활용하여 다양한 환경, 센서 유형 및 데이터 소스에 걸쳐 정확하고 강건한 성능을 달성하는 것을 목표로 한다.
연구진은 먼저 FSDA-AR을 위한 새로운 벤치마크를 제안한다. 이 벤치마크는 영화 데이터에서 실제 세 번째 인칭 데이터, 주관적 관점의 부엌 활동, 합성 데이터에서 실제 데이터에 이르는 다양한 도메인 전환을 포함한다.
이어서 RelaMiX라는 새로운 접근법을 제안한다. RelaMiX는 세 가지 핵심 구성 요소로 구성된다: 1) 시간적 일반화 능력을 향상시키는 Temporal Relational Attention Network with Relation Dropout (TRAN-RD), 2) 공유 잠재 공간의 다양성을 높이는 Statistic Distribution-based Feature Mixing (SDFM), 3) 도메인 간 격차를 해소하는 Cross-Domain Information Alignment (CDIA).
실험 결과, RelaMiX는 FSDA-AR 벤치마크의 모든 데이터셋에서 최신 성능을 달성했으며, 소량의 타겟 도메인 샘플을 사용하면서도 기존 무감독 도메인 적응 방법과 유사한 성능을 보였다.
統計
소량의 타겟 도메인 샘플(1-20개)만으로도 기존 무감독 도메인 적응 방법과 유사한 성능을 달성할 수 있다.
제안한 RelaMiX 방법은 FSDA-AR 벤치마크의 모든 데이터셋에서 최신 성능을 보였다.
引用
"다양한 도메인에서의 활동 인식을 위해 소량의 레이블된 타겟 도메인 샘플만을 활용하여 효과적인 적응을 달성하는 방법을 제안한다."
"RelaMiX는 세 가지 핵심 구성 요소로 구성되어 있으며, 이를 통해 FSDA-AR 벤치마크의 모든 데이터셋에서 최신 성능을 달성했다."