弱教師付きオブジェクト検出の問題について考察します。この場合、学習サンプルは画像レベルのラベルのみでアノテーションが行われ、そのラベルは特定のオブジェクトカテゴリの存在または不存在を示します。オブジェクトの位置に関する不確実性をモデル化するために、非類似係数に基づく確率的な学習目標を使用します。この学習目標は、アノテーションに無関係な予測分布とアノテーションに依存する条件付き分布との差を最小化することを目指しています。主な計算上の課題は、条件付き分布の複雑さです。この分布には数百または数千の変数に関する項が含まれており、その複雑さにより明示的にモデル化することは不可能です。代わりに、深層学習フレームワークが確率的最適化に依存していることを活用します。これにより、最先端の離散生成モデルを使用して、条件付き分布から一貫したサンプルを提供することが可能になります。PASCAL VOC 2007および2012データセットにおける広範な実験により、提案手法の有効性が示されています。