要旨: 本論文は、明示的なフィードバックなしでリアルタイム学習を行うためのアルゴリズムを提案する。このアルゴリズムは、グラフ上の半教師あり学習とオンライン学習の考え方を組み合わせる。具体的には、世界のグラフィカルな表現を反復的に構築し、観測した実例でそれを更新する。ラベル付き実例はアルゴリズムの初期バイアスを構成し、オフラインで与えられ、ラベルなし実例のストリームがオンラインで収集されてこのバイアスを更新する。さらに、アルゴリズムの動機付けを行い、効率的に実装する方法を議論し、その解の品質に関する後悔（regret）の上界を証明し、リアルタイムな顔認識の問題に適用する。我々の認識器はリアルタイムで動作し、3つの困難な動画データセットにおいて、優れた適合率と再現率を達成する。
オンラインの半教師あり知覚：明示的なフィードバックなしでのリアルタイム学習
arXiv cs.LG / 2026/5/1
📰 ニュースIdeas & Deep AnalysisTools & Practical UsageModels & Research
要点
- 本論文は、明示的なフィードバックを必要とせずに、ラベルなしのオンラインデータで更新しながらリアルタイムに学習する知覚アルゴリズムを提案している。
- 半教師あり学習（グラフ上）とオンライン学習の考え方を統合し、観測例に基づいて世界のグラフ表現を反復的に構築・更新する。
- ラベル付きデータはオフラインで初期バイアスとしてのみ用い、オンラインではラベルなし例のストリームを継続的に取り込み適応・改善する。
- 実装を効率化する方法を論じ、解の品質を保証する後悔（regret）に関する上界を示したうえで、リアルタイムな顔認識に適用している。
- 3つの難しい動画データセットで評価した結果、提案手法のリアルタイム顔認識器は精度と再現率でより優れた性能を達成した。
