本稿では、UtilGenという新しいユーティリティ中心のデータ拡張フレームワークを提案しています。従来のデータ拡張手法が主にデータの忠実性や多様性などの内的属性に重きを置いているのに対し、UtilGenは具体的なタスク要件を考慮し、ダウンストリームタスクからのフィードバックを利用して生成プロセスを調整します。このアプローチでは、タスクごとのユーティリティを評価する重み付けネットワークを導入し、生成モデルをタスクに合わせて最適化するモデルレベルの最適化と、生成ポリシーを調整するインスタンスレベルの最適化を行います。実験結果は、UtilGenが従来の最先端技術と比較して、平均で3.87%の精度向上を達成することを示しており、視覚的特徴中心からタスクユーティリティ中心へのアプローチの有効性を裏付けています。