人間の知識を統合したマルチモーダル学習による単一ソースドメイン一般化
arXiv cs.CV / 2026/3/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、未知の因果要因におけるドメインの乖離を評価するためのドメイン適合境界（DCB）を提案し、データメタデータへアクセスせずにクロスドメイン一般化を客観的に評価可能にする。
- 本論は GenEval を提案する。GenEval は、基盤モデル（例：MedGemma-4B）と人間の知識を Low-Rank Adaptation（LoRA）を介して組み合わせ、因果的ギャップを埋めて単一ソースドメイン一般化を改善する、マルチモーダルなビジョン-言語モデルアプローチである。
- GenEval は、8つの糖尿病網膜症データセットと2つの安静状態fMRI発作起源域データセットで評価され、DRの平均精度69.2%、SOZの81%を達成し、ベースラインをそれぞれ9.4%、1.8%上回った。
- 本研究は、医用画像領域におけるドメインシフトを評価し、マルチモーダル学習を用いて SDG（単一ソースドメイン一般化）を強化する汎用的フレームワークを提案しており、試験対象としたモダリティを超えて適用可能である可能性がある。
