305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. トリプレットによるドメイン整合（Domain Alignment with Triplets）
1未満 分で読了
0 views

トリプレットによるドメイン整合

（Domain Alignment with Triplets）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近AIの現場導入を検討しているのですが、社内で集めた画像データと公開データの差があって学習がうまくいかないと聞きました。論文で言っているドメイン適応というのは現場でどう役に立つのですか。

AIメンター拓海

素晴らしい着眼点ですね！簡単に言うと、ドメイン適応（Domain Adaptation）は学習に使ったデータと実運用データの違いを縮める技術ですよ。これが効くと、公開データで学んだモデルを自社の画像に合わせて性能を改善できるんです。

田中専務

なるほど。ただ、よく聞くのは分布を合わせるという話だけで、実際には分類が逆に悪くなることもあると伺っています。それは本当ですか。

AIメンター拓海

その通りです。従来のドメイン適応は全体の分布だけを合わせることが多く、ラベルの異なるクラス同士が近づいてしまう、つまり

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
どこで何ができるかを即時に見つける技術
（What can I do here? Leveraging Deep 3D saliency and geometry for fast and scalable multiple affordance detection）
次の記事
指示条件付き強化敵対学習による多様なプログラム生成
（Generating Diverse Programs with Instruction Conditioned Reinforced Adversarial Learning）
関連記事
A Survey on Group Fairness in Federated Learning: Challenges, Taxonomy of Solutions and Directions for Future Research
（フェデレーテッドラーニングにおけるグループ公正性の総説）
Efficient Motion Prompt Learning for Robust Visual Tracking
（ロバストな視覚トラッキングのための効率的モーションプロンプト学習）
風力と蓄電の共同市場調整
（Deep Reinforcement Learning for Wind and Energy Storage Coordination in Wholesale Energy and Ancillary Service Markets）
短距離秩序を機械学習ポテンシャルで捉える
（Capturing short-range order in high-entropy alloys with machine learning potentials）
深層学習による種分布モデリングにおける疑似欠測の選択と有効性
（On the selection and effectiveness of pseudo-absences for species distribution modeling with deep learning）
ギブス型事前分布はディリクレ過程の最も自然な一般化か？
（Are Gibbs–type priors the most natural generalization of the Dirichlet process?）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む