要約
ドメイン固有マスクを用いた一般化手法（Domain-specific Masks for Generalization）を提案する。本手法は、ドメイン内およびドメイン外の両方の一般化性能を向上させるためのモデルである。ドメイン一般化（Domain Generalization）の目的は、複数のソースドメインから学習を行い、未観測のターゲットドメインに対しても最も良好に一般化できる単一のモデルを構築することにある。従来の多くの手法は、すべてのソースドメインに共通する特徴表現を学習することに注力しており、その前提として、こうしたドメインに依存しない特徴（domain-agnostic features）が良好な一般化性能をもたらすと仮定している。しかし、個々のドメインには独自の特徴が含まれており、これらを適切に活用することでドメイン内認識性能を著しく向上させることができる。本研究では、観測済みおよび未観測ドメインの両方に対して最適な一般化を実現するため、ドメイン固有のマスク（domain-specific masks）の学習を提案する。これらのマスクは、ドメイン不変特徴とドメイン特有特徴のバランスを学習するよう促進され、専門的な特徴の予測力を利用しつつも、ドメイン不変特徴の普遍的な適用性を維持できるモデルを実現する。提案手法は、PACSおよびDomainNetの両データセットにおいて、単純なベースラインおよび最先端の手法と比較して競争力のある性能を示した。