协变量对齐与概念对齐联合：一种域泛化框架
机器学习
2022-08-02 v1 人工智能
计算机视觉与模式识别
摘要
本文基于未见域风险的新上界，提出一种新颖的域泛化 (DG) 框架。特别地，我们的框架提出联合最小化可见域之间的协变量偏移与概念偏移，以在未见域上获得更好性能。尽管所提方法可通过协变量对齐与概念对齐模块的任意组合实现，本工作中我们采用成熟的分布局对齐方法，即最大均值差异 (MMD) 与协方差对齐 (CORAL)，并使用基于不变风险最小化 (IRM) 的方法进行概念对齐。数值结果表明，在多个数据集上，所提方法的域泛化性能达到或优于当前最优 (SOTA) 方法。
引用
@article{arxiv.2208.00898,
title = {Joint covariate-alignment and concept-alignment: a framework for domain generalization},
author = {Thuan Nguyen and Boyang Lyu and Prakash Ishwar and Matthias Scheutz and Shuchin Aeron},
journal= {arXiv preprint arXiv:2208.00898},
year = {2022}
}
备注
8 pages, 2 figures, and 1 table. This paper is accepted at 32nd IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2022)