CUE：長い裾（ロングテール）学習における概念の混同を緩和するための概念認識型マルチラベル拡張
arXiv cs.CV / 2026/5/5
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ロングテール学習がクラス不均衡だけでなく「概念の混同」にも直面し、その結果としてクラス間の関係が崩れ相互の識別力が低下する点を指摘しています。
- 概念の混同は、ロングテール分布下での単一ラベル教師の相互排他性が、関連クラス間の特徴共有を抑え、頭部クラスの優位性を増幅させることにより生じると説明しています。
- これを緩和するため、CUE（Concept-aware mUlti-label Expansion）では、クラス間の関係をより保つためにマルチラベルの概念シグナルを導入します。
- CUEは、instanceレベルの視覚的手がかりをゼロショットCLIPから抽出し、classレベルの意味的手がかりをLLMで生成して概念集合を構築し、基礎となるLogit-Adjustment損失に加えて、重み付けしたBinary Logit-Adjustmentの補助損失を別々に最適化します。
- 複数のロングテールのベンチマークで、CUEが最近の最先端手法を上回るバランスの良い強い性能を示し、コードも公開されています。
