- …
- …
#355
summarized by : Koki Obinata
どんな論文か？
深層距離学習で用いられるロスのうち，ペアに基づくロスを統一的に記述するGeneral Pair Weighting frameworkを構成．ロスに用いられるSimilarityを3つの観点にまとめ，3つを組み入れた新しいロス関数を提案(Multi-Similarity loss)．4つのタスクで性能を検証し，SOTAもしくはそれに匹敵する結果となった．
新規性
各ペアの類似度についての重み付けという観点から，深層距離学習で用いられるロスを統一的に記述した点(GPW framework)．
GPWに基づいて，新しいロス関数を提案した点．
結果
4つの画像検索タスクで検証し，3つのタスクでSOTA，1つではSOTAに匹敵する結果．
ただし，ググるとそれ以上の結果を出す手法がリーダーボードに掲載されていたので正確かは怪しい．
その他（なぜ通ったか？等）
既存のロス関数に用いられているペアのSimilarityを3つの観点にまとめ，統一的な枠組みで記述した点．
3つの観点にまとめた結果，3つのSimilarityを全て活用しているロス関数が無いことを指摘し，3つを組み合わせたロス関数を提案した点．
- …
- …