#405
summarized by : Shun.ishizaka
Robust Learning Through Cross-Task Consistency
Amir R. Zamir, Alexander Sax, Nikhil Cheerla, Rohan Suri, Zhangjie Cao, Jitendra Malik, Leonidas J. Guibas

どんな論文か？

同じ画像から法線推定やdepth推定などの一連のタスクを行ううえで双方の結果は利用しあえるという発想(=consistency)．タスク間の整合性を考慮した学習を行うことでより正確な予測が可能になる，といったアプローチ．
placeholder

新規性

既存のものはcycle consistencyが殆ど，short cyclic pathではなくもっと一般的に適用可能なconsistencyを提案した点が新規性．またタスク間の事前知識を必要としない点も新しい． unsupervisedな情報量を導出でき(Consistency Energy，教師つき誤差とr=0.67で相関)，分布外入力の検出としても利用可能．

結果

Taskonomy, Replica, CocoDoom, ApolloScapeにて従来手法(multi-task learning, cycle consistency, analytical consistency)と比較．既存手法に比べて(ほぼ)高精度で複数タスクを実行した．

その他（なぜ通ったか？等）

CVPR2020のBest Paper Award Nominee．タスク間にconsistencyがあるという仮説のもと検証していくアプローチが新しく，実験も豊富な点が評価されているように思える．Taskonomy(CVPR2018のBest Paper)の著者．プロジェクトページ →　https://consistency.epfl.ch/

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．