- …
- …
#176
summarized by : 志田遥飛
どんな論文か？
クロスビュー学習を用いることができる知覚学習から着想を得て，クロスビュー画像再構成によって意味を考慮した表現を学習できる新しいAuto Encoderを提案．
Auto encoderの学習能力を高め，最適化を簡易にするために幾何学的変換知識を用いてAEの隠しコードを整列させるセマンティックアライナーを提案．
新規性
それまで生成モデルに自己教師付き学習を導入すると，分類モデルに比べてに効率が悪かった．「効率の悪さ」という課題を，セマンティックアライナーとクロスビュー画像再構成によって表現を学習できるAuto encoderを提案し解決している点．
結果
ViTをアーキテクチャとして用いて以下の下流タスクを行い，有効性を証明した．ImageNet [48] (1.28M images)での線形評価、SYSU-30k [59] (30M images)での人物再ID、COCO 2017 [40] (123K images, 900K instances) の物体分割とインスタンス検出評価)
添付した画像は，Image Netでの線形評価結果
その他（なぜ通ったか？等）
実装コードへのリンク
https://github. com/wanggrun/Semantic-Aware-AE.
- …
- …