#369
summarized by : Hiroaki Aizawa
End-To-End Multi-Task Learning With Attention
Shikun Liu, Edward Johns, Andrew J. Davison

どんな論文か？

multi-task learninにおいて，task-specificなattentionの仕方を学習するMulti-Task Attention Networkの提案．これは，単一の共有ネットワークと，各タスクのattention moduleから構成され，異なるタスクに渡って共有された特徴を持ちながら，global featureからtask-specificな特徴を学習することができる．
placeholder

新規性

multi-task learningにおいて，task-shared featureとtask-specific featureの扱い方とmulti-task loss functionの重み付けの問題があった．これまでの先行研究はどちらか片方に対してフォーカスしていたが，この研究では両方に着目．

結果

提案手法であるMTANを備えたSegNetを使って，semantic segmentationとdepth estimationとsurface normal predictionのmulti-task predictionで評価．SOTAに匹敵する性能を達成．実験から，提案手法がloss functionの重み付けの選択に対してロバストであることを示した．

その他（なぜ通ったか？等）

このページで利用されている画像は論文から引用しています．