#355
summarized by : Koki Obinata
Multi-Similarity Loss With General Pair Weighting for Deep Metric Learning

どんな論文か?

深層距離学習で用いられるロスのうち,ペアに基づくロスを統一的に記述するGeneral Pair Weighting frameworkを構成.ロスに用いられるSimilarityを3つの観点にまとめ,3つを組み入れた新しいロス関数を提案(Multi-Similarity loss).4つのタスクで性能を検証し,SOTAもしくはそれに匹敵する結果となった.
placeholder

新規性

各ペアの類似度についての重み付けという観点から,深層距離学習で用いられるロスを統一的に記述した点(GPW framework). GPWに基づいて,新しいロス関数を提案した点.

結果

4つの画像検索タスクで検証し,3つのタスクでSOTA,1つではSOTAに匹敵する結果. ただし,ググるとそれ以上の結果を出す手法がリーダーボードに掲載されていたので正確かは怪しい.

その他(なぜ通ったか?等)

既存のロス関数に用いられているペアのSimilarityを3つの観点にまとめ,統一的な枠組みで記述した点. 3つの観点にまとめた結果,3つのSimilarityを全て活用しているロス関数が無いことを指摘し,3つを組み合わせたロス関数を提案した点.