ETran: エネルギーに基づく転移可能性評価

本論文では、物体検出と画像分類のための事前学習済みモデルのランキング問題を取り扱います。最適な事前学習済みモデルを選択するために微調整を行うことは、コストが高く時間のかかる作業です。これまでの研究では、事前学習済みモデルによって抽出された特徴に基づく転移可能性評価が提案されてきました。我々は、ターゲットデータセットが事前学習済みモデルに対して分布内（In-Distribution, IND）であるか分布外（Out-of-Distribution, OOD）であるかを定量的に評価することが、転移可能性評価において重要な要素であると考えています。この目的のために、エネルギーに基づく転移可能性評価指標であるETranを提案します。ETranには以下の3つのスコアが含まれます：1) エネルギースコア、2) 分類スコア、3) 回帰スコア。エネルギーベースモデルを使用して、ターゲットデータセットが事前学習済みモデルに対してOODまたはINDであるかどうかを判定します。既存の研究とは異なり、ETranは分類、回帰、および物体検出（分類+回帰）などの幅広いタスクに適用可能です。これは物体検出タスクに対する転移可能性評価を初めて提案する研究です。4つのベンチマークと2つのタスクにおける我々の広範な実験結果は、ETranが物体検出と分類ベンチマークでそれぞれ平均21%と12%の性能向上を達成し、転移可能性評価において最先端（State-Of-The-Art, SOTA）の成果を示していることを示しています。