- …
- …
#259
summarized by : 榎本
どんな論文か？
一般的にセマンティックセグメンテーションにおける教師あり学習では、正解データとの対応関係を使用して、一定の性能を達成するモデルを提案できる。しかし、ラベリングには時間と労力の両面でコストがかなりかかる。そこで、著者らは新たな視点エントロピーを用いた能動学習手法を提案した。
新規性
新しい視点エントロピーを用いたセマンティックセグメンテーションにおけるクエリ戦略を提案した
結果
1.SceneNet-RGBD、2.ScanNet、3.Matterport3Dの3つのデータセットを用いて、それぞれ7%、17%、24%のラベル付けされたデータのみを使用した時の精度が95%を達成し、76~93%のラベル処理を削減できた。また、同一デーらセットで、14%、27%、33%のラベリングデータを使用しても、SOTAと同程度の精度を達成した。
その他（なぜ通ったか？等）
新規性の高さとラベル作業の圧倒的な削減力
- …
- …