[4I3-OS-1b] AutoML（自動機械学習）

[4I3-OS-1b-02] 生成モデルを活用する段階的ドメイン適応

〇佐川 正悟^1,2、日野 英逸^3,4 (1. 総合研究大学院大学、2. コニカミノルタ株式会社、3. 統計数理研究所、4. 理化学研究所)

キーワード：ドメイン適応、Normalizing flow

ソースドメインとターゲットドメインの間に大きなギャップが存在する場合, ドメイン適応は困難である. 段階的ドメイン適応は, ソースからターゲットへ向かって徐々に変化する中間ドメインが存在することを仮定し, これを活用することでソース/ターゲット間のギャップが大きい場合であってもドメイン適応を可能とする. これまでの研究では, 中間ドメインの数が多く, 隣接するドメイン間の距離が小さいことを前提としていたため, 自己学習を活用した教師無しドメイン適応が可能であった. しかし, 現実的な問題設定を考えると, 中間ドメインの数は限られており, 隣接するドメイン間の距離も大きいため, 段階的な自己学習は失敗することが予想される. 本研究では, 教師無しドメイン適応の枠組みを維持しながら, この問題に対応するために, 生成モデルであるNormalizing flowを用いることを提案する. 生成モデルから擬似中間ドメインを生成し，段階的な自己学習を行う．実データセットを用いた実験から, 提案手法が予測性能を向上させることを確認した．