@techreport{oai:ipsj.ixsq.nii.ac.jp:00216972,
 author = {鈴木, 健一 and 井上, 勝文 and 吉岡, 理文},
 issue = {41},
 month = {Mar},
 note = {一人称視点動画におけるドメインシフトは，学習データと異なる環境下の撮影時に，画像全体の外観の変化から生じやすく，ハンドセグメンテーションモデルの性能低下を招く．この問題に対して，既存手法である UMA は教師なしドメイン適応によって手領域特徴を自己学習することで精度を確保している．しかし，自己学習時に，ピクセルに対して誤った疑似ラベルが付与された場合の補正機能がなく，精度改善の余地がある．そこで本研究では，誤った疑似ラベル付与を防ぐために，敵対的学習によってドメイン適応する MCD を UMA に導入し，ハンドセグメンテーション性能の向上を図る．具体的には，手の疑似ラベルマスクのもととなる確率マップに関して，分類器によるドメイン予測の不一致に着目する．この不一致を用いた教師なしドメイン適応を行い，ターゲットデータの各ピクセルが手領域に含まれるかどうかを精度良く分類することで，誤った疑似ラベルの原因となる確率マップの生成を抑制する．公共データセットを用いた実験で，提案手法は UMA より，平均で約 3.8% の精度向上を達成した．},
 title = {UMAとMCDの組み合わせによる一人称視点動画におけるハンドセグメンテーション},
 year = {2022}
}