#585
summarized by : Hideki Tsunashima
Learning With Batch-Wise Optimal Transport Loss for 3D Shape Recognition

どんな論文か?

距離学習(metric learning)においてバッチ毎の最適輸送損失を提案することで距離学習を用いたクラス分類においてSOTAを達成し、収束速度も向上。 また、バッチ毎の最適輸送損失を用いて3次元物体認識、retrievalにおける新たな識別方法を提案し、ほぼSOTAの精度を達成しながらも収束速度を向上させた。
placeholder

新規性

距離学習の新たなmetricを提案した点と3次元物体認識、retrievalにおける新たな識別方法を提案した点。

結果

MNIST, CIFAR-10, SHREC13, SHREC14, ModelNet10, ModelNet40にてほぼSOTAの精度を出しながら収束速度を大幅に向上。

その他(なぜ通ったか?等)

今までのpair-wise lossはハードポジティブとハードネガティブを引き離す際に個別で距離計算を行っていたため、非常に非効率であり、収束が遅かった点を本提案では改善したことと、収束が速いながらも高精度を達成可能なmetricであるため識別モデルにおいて大きな貢献となったため通ったと考えられる。