要約
本稿では、ドメイン一般化（domain generalization）という問題に取り組む。具体的には、複数の既知のソースドメインのデータを活用して、未知のターゲットドメインに対して汎化可能な特徴表現を学習する方法を提案する。我々は、 adversarial autoencoder（敵対的オートエンコーダ）を基盤とする新たなフレームワークを提示し、異なるドメイン間で汎用的な潜在特徴表現を学習することを目的とする。より詳細には、異なるドメイン間の分布を一致させるために最大平均差分（Maximum Mean Discrepancy: MMD）を導入し、その一致された分布を敵対的特徴学習により任意の事前分布にマッチさせるように拡張した。このアプローチにより、MMD正則化によって既知のソースドメインに対して普遍的な特徴表現が学習されるとともに、事前分布の導入によりターゲットドメインへの汎化性能が期待できる。本研究では、提案フレームワークの各構成要素を一括して学習するためのアルゴリズムを提案した。様々な視覚タスクにおける広範な実験結果から、最先端のドメイン一般化手法と比較して、本フレームワークが未知のターゲットドメインに対してより優れた汎化特徴を学習できることを示した。