情報処理学会 第86回全国大会 会期:2024年3月15日~17日

7T-07
Black-Box Visual-PromptingによるFew-Shot教師なしドメイン適応
○豊岡真知,宮井淳行,郁  青(東大),入江 豪(東理大),相澤清晴(東大)
大規模な事前学習モデルが急増し公開されているが,法的観点からモデルのパラメータを公開せずAPIのみを公開するケースは少なくない.APIを通して提供されているような,モデルパラメータへのアクセスが制限されたモデルをブラックボックスモデルと呼び,ブラックボックスモデルを個々の下流タスクに応じて追加学習する手法は実用性の観点から非常に重要である.以上より我々はブラックボックス事前学習モデルを対象としたテスト時適応手法を提案する.特に,強力な汎化性能を持つ大規模視覚言語モデルを対象とし,画像領域でプロンプティングを行うVisual-Promptingを用いた手法の有効性を検証する.