- …
- …
#542
summarized by : hiroki tsujimoto
どんな論文か？
既存の距離学習の損失関数は，ペアベースかプロキシベースの２つに分類される．それぞれ，表現の多様性と学習速度を強みとしている．この研究では，両方の利点を実現するプロキシベースのProxy-Anchor lossを提案した．メインアイデアは，タイトルにもあるように各プロキシをアンカーと見立て，各プロキシと全データの距離をpositive，negative別に最小最大化する点である．
新規性
1. データ間の多様な関係を学習でき，高速であるproxyベースのProxy-Anchor lossを提案．2. Proxy-Anchor lossによってSOTAの性能を達成した．3. 既存手法にくらべ，収束が早い．
結果
CUB-200-2011，Cars-196，Stanford Online Product (SOP)，In-shop Clothes Retrieval (In-Shop)の4つのベンチマークデータセットで評価を行い，SOTAを達成．また，収束時間が最も高速となった．
その他（なぜ通ったか？等）
シンプルなアイデアでSOTAを達成しており，インパクトが大きい．
- …
- …