$n$-Reference Transfer Learning for Saliency Prediction $n$参照転移学習による注目度予測

深層学習の研究と大規模データセットの恩恵を受け、注目度予測は過去10年間で著しい成功を収めています。しかし、十分なデータが不足している新しいドメインの画像に対する注目度マップの予測は依然として困難です。この問題を解決するために、我々は少量学習（few-shot learning）に基づく転移学習パラダイムを提案します。これにより、既存の大規模注目度データセットから得られた知識を効率的に少量のラベル付きサンプルしかないターゲットドメインに転送することが可能になります。具体的には、非常に少ないターゲットドメインのサンプルを使用して、ソースドメインのデータセットでモデルを訓練します。これにより、訓練プロセスはターゲットドメインに有利な局所最小値に収束します。その後、学習済みモデルはさらにリファレンスを使用して微調整されます。提案されたフレームワークは勾配ベースであり、モデル非依存型です。我々は様々なソースドメインとターゲットドメインのペアに対して包括的な実験とアブレーションスタディを行いました。その結果、提案されたフレームワークが大幅な性能向上を達成したことが示されました。コードは公開されており、以下のURLからアクセスできます: \url{https://github.com/luoyan407/n-reference}。以上が翻訳となります。ご確認ください。