- …
- …
#261
summarized by : Hiroaki Aizawa
どんな論文か？
これまで画像分類タスクではその識別性能から直接クラス確率を予測する識別的な分類器（DCs）が主要であったが，信頼性のある画像分類モデルの構築を目指して，解釈可能性と頑健性を併せ持った生成的な分類器（GCs）の検討を行っている．この研究ではInvertiable NNからGCsを構築し，ImageNetでその有効性を検証した．
新規性
これまでのGCsは複雑なデータセットにスケールせず，MNISTやCIFAR10での評価にとどまっており，DCsに負けない性能を維持しながら，GCsの利点を活かせるかが不明であった．また，GCsはOoD検知もできるが複雑なデータセットであるほどその効果が認められてない．この研究では，ImageNetデータでの動作を目指して，Invertiable NNからGCsの構築と学習スキームを提案した．
結果
実験では，GCsが信頼性の点では同等のDCsより優れており，OoD検知ができていたが，GCsの利点であるデータセットシフトや敵対的サンプルへの耐性に対するこれまでの知見はImageNetでは実証できなかった．すべての信頼性の問題が完全に解決できたわけではないが，GCsが有望な方向性であることを示唆した．
その他（なぜ通ったか？等）
- …
- …