多様化とマッチング：物体検出のためのドメイン適応表現学習パラダイム

物体検出のための新しい非監督ドメイン適応手法を提案します。本手法は、ピクセルレベルの適応における不完全な翻訳問題と、特徴量レベルの適応におけるソースバイアスによる識別性問題を同時に軽減することを目指しています。当手法は、ドメイン多様化（Domain Diversification: DD）とマルチドメイン不変表現学習（Multi-domain-invariant Representation Learning: MRL）という2つの段階で構成されています。DD段階では、ソースドメインから様々な特徴的なシフトしたドメインを生成することで、ラベル付きデータの分布を多様化します。MRL段階では、マルチドメイン識別器を使用した敵対的学習を適用し、各ドメイン間で特徴量が区別できないように促進します。DDはソースバイアスによる識別性問題に対処し、MRLは不完全な画像翻訳を緩和します。我々は、学習パラダイムに合わせた構造化されたドメイン適応フレームワークを構築し、実装のために実用的なDDの方法も導入しました。本手法は平均精度（mean average precision: mAP）において3%~11%の大差で既存の最先端手法を上回っています。この翻訳では、専門用語や技術概念について一般的な日本語訳を使用し、文章構造も日本語の読みやすさを考慮して最適化しました。また、「Domain Diversification」や「Multi-domain-invariant Representation Learning」などの特定の用語についてはカタカナ表記とともに英語表記も括弧内に示しています。