- …
- …
#242
summarized by : Takaya Yamazoe
どんな論文か？
ラベル付けされたデータが大量に集められないような状況下で、限られたラベル付きデータで学習する手法の研究は重要である。新たなクラスの特徴を生成する既存手法には、複雑なデータ分布を捉えられない、生成された特徴の解釈が困難である、などの問題がある。本研究では、視覚的・文脈的に解釈可能な特徴生成手法を提案する(f-VAEGAN-D2)。
新規性
f-VAEGAN-D2の提案。GANを用いた既存手法はモード崩壊の問題があり、VAEを用いた既存手法は対数尤度を最適化してしまうという問題があった。f-VAEGAN-D2は、GANとVAEの強みを組み合わせた特徴生成モデルである。
結果
提案手法をzero-shot learningとfew-shot learningの両方で検証した。5つのデータセットに対して、既存手法と比較した結果、zero-shotとfew-shotのどちらのタスクについても優位性を示した。また、LSTMを用いて特徴を言語化する実験も行い、新たな特徴を生成できていることを確認したが、クラス間の変動が大きいクラスの説明は不正確になるといった課題も残した。
その他（なぜ通ったか？等）
- …
- …