生成データのプロバナンスに基づく入力勾配誘導による学習
arXiv cs.CV / 2026/4/6
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、現在の合成データ学習アプローチは堅牢性を間接的に改善することはあっても、弁別に重要な入力空間の領域へモデルを明示的に誘導できない場合があると主張する。
- 合成データ生成プロセスに由来するプロバナンス情報を用いて、ターゲット領域と非ターゲット領域を特定し、その後プロバナンスに基づく入力勾配誘導によって非ターゲット領域からの勾配を抑制することを提案する。
- 合成中に、入力勾配をターゲット由来と非ターゲット由来に分解することで、合成バイアスやアーティファクトによって引き起こされる見かけ上の相関（スプリアス相関）の学習を防ぐことを目指す。
- 弱教師ありの物体ローカライゼーション、時空間アクションローカライゼーション、画像分類を含む複数のタスクおよびモダリティにわたる実験により、本手法が有効で汎用的であることを示す。
