Quando o desconhecido aparece no domínio errado: o que o MEDIC++ propõe

Tema: Inteligência Artificial — Panorama Geral

São 586.575 imagens, 345 classes e seis domínios no DomainNet — e, ainda assim, o número que decide o destino de um classificador em generalização de domínio não é nenhum desses. É a taxa de acerto sobre classes que ele nunca viu, em um domínio que nunca visitou. Xiran Wang, Jian Zhang, Lei Qi, Yang Gao e Yinghuan Shi, da Universidade de Nanjing e da Southeast University, atacam exatamente esse ponto em um preprint depositado no arXiv, ainda sem revisão por pares: um método de meta-aprendizado que pareia gradientes não só entre domínios, como a literatura vinha fazendo, mas simultaneamente entre classes [1]. A tese que este artigo defende é que a contribuição mais duradoura do trabalho não está nos 64,9% de acurácia média no DomainBed, e sim na reconceituação de "tarefa" como escolha de projeto — e que os ganhos relatados, embora consistentes, vêm acompanhados de um custo computacional e de escolhas de ajuste fino que o texto não esconde, mas também não resolve [1].

O problema: dois deslocamentos ao mesmo tempo

A generalização de domínio clássica treina com múltiplos domínios de origem e exige que o modelo funcione em alvos não vistos, assumindo que o espaço de rótulos permanece o mesmo [1]. O cenário aberto quebra essa premissa: o domínio-alvo tem espaço de rótulos estendido, união disjunta entre as classes conhecidas e as desconhecidas [1]. A Tabela I do artigo organiza a diferença com precisão — adaptação de domínio compartilha distribuição e rótulos, generalização de domínio compartilha rótulos mas não a distribuição, reconhecimento em cenário aberto compartilha distribuição mas não rótulos, e só a generalização em cenário aberto combina os dois deslocamentos [1].

O exemplo que os autores usam é o de imagem médica: certas doenças são raras o bastante para tornar irrealista a obtenção de amostras de treinamento, e um classificador fechado força qualquer objeto para dentro de uma classe conhecida, o que compromete robustez e segurança [1]. A solução canônica é um classificador multi-binário, composto por |C| classificadores um-contra-todos: se todos os sub-classificadores rejeitam uma amostra, ela provavelmente é desconhecida [1]. O problema é o desbalanceamento estrutural — poucos positivos contra muitos negativos — que empurra a fronteira de decisão de forma assimétrica e leva o modelo a rejeitar excessivamente dados fora de distribuição, inclusive amostras de classes conhecidas em domínios não vistos [1]. Métodos anteriores tratam os dois deslocamentos separadamente: o DAML foca no deslocamento de dados entre domínios, e o CrossMatch aplica regularização de consistência sem considerar o deslocamento de domínio [1].

A ideia: parear gradientes entre domínios e classes

O raciocínio parte de uma propriedade geométrica simples. Se o ângulo entre os gradientes de duas tarefas é pequeno, otimizar uma não interfere na outra e a soma dos gradientes produz ganho mútuo; se o ângulo é grande, as tarefas conflitam e a atualização de uma degrada a outra [1]. Maximizar o produto escalar entre gradientes, portanto, equivale a buscar uma região do espaço de parâmetros onde as direções se alinham [1].

A operação central do MEDIC é dividir as tarefas de domínio por classe e recombiná-las de forma cruzada. Dados S_F e S_G vindos de domínios diferentes, os autores subdividem cada um em duas partes disjuntas por classe e montam o conjunto meta-treino com (S_F1, S_G2) e o meta-teste com (S_F2, S_G1), exigindo que S_F1 e S_G1 compartilhem rótulos, e o mesmo para S_F2 e S_G2 [1]. A expansão em série de Taylor do objetivo revela o termo de regularização com quatro produtos escalares internos — F1'·F2', F1'·G1', G2'·F2' e G2'·G1' — e é aí que está o argumento: em cada produto, os dois fatores vêm ou de domínios diferentes ou de classes diferentes, o que produz pareamento de gradientes nas duas dimensões ao mesmo tempo, enquanto o termo F1'·F2' cobre especificamente a relação entre classes dentro de um mesmo domínio [1]. Sobre essa base, o objetivo final combina entropia cruzada para o classificador fechado com a perda um-contra-todos, que atualiza apenas o sub-classificador negativo mais difícil para cada amostra [1].

Do caso especial ao framework geral: quantos passos bastam

O MEDIC original é apresentado como um caso particular: dois blocos por dimensão, quatro tarefas, duas por passo [1]. O MEDIC++ generaliza para t tarefas distribuídas em n passos, com a atualização interna somando m_i tarefas por passo, e a análise teórica demonstra que esse esquema réptil executa pareamento par-a-par entre passos, num total de n(n−1)/2 pareamentos [1]. A estimativa do número de pareamentos entre tarefas é f(n) = ½t²(1 − 1/n), com derivada t²/(2n²), o que indica crescimento rápido para n pequeno e saturação depois [1]. O exemplo numérico é eloquente: com 9 tarefas, o máximo é 36 pareamentos quando n = 9, mas com apenas n = 3 já se alcançam 27 [1].

Há um segundo argumento, de natureza prática, que sustenta a escolha por múltiplas tarefas por passo: atualizar com uma única tarefa por passo faz com que as estatísticas de normalização por lote fiquem parecidas entre classes, tornando as features indistinguíveis e prejudicando a classificação [1]. Os autores ainda oferecem uma analogia deliberadamente informal com descida de gradiente — um passo único equivale a BGD, uma tarefa por passo a SGD estreito, e o MEDIC++ a MBGD — e avisam que ela deve ser levada menos a sério que a análise formal [1]. Some-se a isso a amostragem adaptativa de tarefas: uma matriz assimétrica de transição entre classes, construída a partir da probabilidade média de confundir a classe i com a j, guia a escolha da próxima classe sem reposição, colocando pares confundíveis em tarefas distintas para aumentar a frequência de pareamento entre eles [1].

Os números: o que os benchmarks dizem

No protocolo fechado do DomainBed, o MEDIC++ atinge 64,9% de acurácia média contra 61,3% do ERM, 62,4% do CORAL e 61,9% do Fish [1]. O salto é mais visível em PACS (89,4% contra 85,5% do ERM) e Office-Home (71,6% contra 68,7% do CORAL), com ganhos menores em TerraIncognita (50,2% contra 47,8% do MLDG) e DomainNet (46,7% contra 42,7% do Fish) [1]. Vale notar que a versão com estrutura padrão e sem o classificador multi-binário registra 62,9%, o que mostra que parte do ganho vem do arcabouço meta e parte do cabeçalho aberto [1].

No cenário aberto com PACS em ResNet50 e proporção 6:1, o MEDIC++ entrega 91,10% de acurácia, 83,55% de H-score e 85,20% de OSCR, contra 88,12%, 77,18% e 79,97% do ERM [1]. O ganho se concentra onde o deslocamento é mais brutal: no domínio Sketch, 85,98% de acurácia contra 82,25% do MLDG, com H-score de 78,36% contra 73,16% [1]. Em Digits-DG com proporção 6:4, o OSCR médio chega a 73,76% contra 68,36% do MLDG e 69,64% do CIRL [1]. E em PACS com backbone GFNet-H-Ti, registra 91,32% de acurácia, 81,46% de H-score e 83,94% de OSCR, superando o ARPL em acurácia e H-score [1].

O que o artigo não resolve

A primeira limitação está na própria configuração experimental: para caber no orçamento de memória, o lote por tarefa encolhe. Onde o padrão do DomainBed é (32, 96) em PACS, os autores usam (12, 108); em DomainNet, (18, 162) contra (32, 160); em CMNIST, (32, 128) contra (64, 128) [1]. Isso significa que cada tarefa vê menos amostras do que veria um ERM equivalente — e o argumento do artigo sobre normalização por lote depende justamente de haver variedade suficiente dentro do passo.

A segunda limitação é de comparabilidade. A linha de 64,9% usa hiperparâmetros próprios e o classificador multi-binário, enquanto a linha de 62,9% usa a estrutura padrão [1] — ou seja, o número de destaque não é um confronto limpo contra baselines ajustados sob o mesmo protocolo. Some-se a isso a dependência de escolhas não triviais: quantas divisões de domínio (t_d) e de classe (t_c), quantas tarefas por passo (m), quantos passos (n) e, na inferência, o limiar μ que separa conhecido de desconhecido [1]. Nenhum desses é derivado de forma fechada. E há um contraponto interno que o texto registra sem alarde: em Digits-DG, o CIRL ainda tem acurácia média superior (84,91% contra 84,08%), e o MEDIC++ vence pela combinação com H-score e OSCR [1].

Aqui cabe uma posição. A literatura de cenário aberto vem se inclinando a resolver o problema com modelos maiores — difusão estável para sintetizar classes desconhecidas, descrições geradas por regras ou por GPT-4o integradas ao CLIP [1]. O MEDIC++ vai na direção oposta e, a meu ver, mais interessante: resolve o problema mudando a granularidade da tarefa, não o tamanho do modelo. A afirmação mais ousada do artigo — de que "tarefa" é uma escolha de projeto e não uma propriedade intrínseca do conjunto de dados, e que qualquer dataset decomponível em sub-distribuições pode se beneficiar do paradigma — é a que merece ser testada com ceticismo [1]. O risco é que parte do ganho venha do custo de treinar 9 tarefas em 3 passos com lote reduzido, e não do pareamento em si.

Conclusão

O MEDIC++ não inventa um novo backbone nem uma nova função de perda; reorganiza o calendário do treinamento para que o modelo veja, no mesmo passo, tensões de domínio e tensões de classe. Os resultados em sete conjuntos de dados padrão de generalização de domínio sustentam a aposta, com H-score de 83,55% em PACS e OSCR de 73,76% em Digits-DG [1]. Três direções ficam abertas: levar a análise sem expectativa matemática — a diferença formal que os autores reivindicam em relação às provas do Reptile e do Fish, baseadas no AvgGradInner — para outras decomposições de tarefa [1]; substituir a amostragem adaptativa baseada em matriz de transição por esquemas mais agressivos de seleção de pares difíceis; e ampliar a avaliação para outras proporções conhecido:desconhecido — o artigo usa 6:1 em PACS, 6:4 em Digits-DG e 100:245 em DomainNet, além de uma varredura em Office-Home [1]. Enquanto isso, o artigo permanece um preprint do arXiv, sem revisão por pares, e deve ser lido como tal [1].

Referências

[1] Xiran Wang, Jian Zhang, Lei Qi, Yang Gao, Yinghuan Shi. Exploring Dualistic Meta-Learning to Enhance Domain Generalization in Open Set Scenarios. arXiv, 2026 (preprint) — https://arxiv.org/abs/2606.23758

Fale com a Eliza
E

Eliza

Agente assistente