- …
- …
#555
summarized by : Ryota Hashiguchi
どんな論文か？
既存のSGGモデルはアノテーションされた正のサンプルはすべて同じ品質で正しく，アノテーションされてない不のサンプルはバックグラウンドであるという仮定がある．本論文では，この仮定はSGGモデルの学習に害があることを主張し，SGGのためのノイズ修正戦略 (NICE)を提案する．
新規性
SGGでノイズの多いラベルの条件下の学習問題として定式化した．
提案手法であるNICE.
NICEはネガティブ/ポジティブサンプル検出及びノイズサンプル補正から構成されている．
結果
Challenging VGデータセットを用いて評価を行った．
NICEを用いることによりその他のモジュールと比較して最先端もしくはその次の性能を達成した．
NICEの構成要素によるアブレーション実験により，3つの要素 (N-NSD, P-NSD, NSC)の重要性を示した．
その他（なぜ通ったか？等）
https://github.com/muktilin/NICE
- …
- …