悪化グループのロバスト性のためのスパurious相関認識埋め込み正則化

ディープラーニングモデルはさまざまな分野で優れた性能を発揮しますが、しばしばスパurious相関に依存し、分布シフトに対して脆弱です。この問題は、特に代表性のないサブポピュレーションへのシフトの場合に顕著です。本研究は、スパurious相関を抑制するための「悪化グループロバスト性のためのスパurious相関認識埋め込み正則化（SCER）」という新しいアプローチを提案します。この方法は、埋め込み空間の表現と最悪のグループエラーとの関連を理論的に結びつけ、スパuriousパターンに対する感度を低下させ、コア機能に焦点を当てることを促進します。実験的評価により、SCERは最悪グループの精度において従来の最先端研究を上回る成果を示しました。