- …
#2
summarized by : Kota Yoshida
どんな論文か？
学習時にない属性とオブジェクトのペアを推論時に推定するタスク．本研究ではそのための識別可能なfine-grainedな特徴を捉えるマルチスケールな特徴統合し学習するモデルを提案する．
新規性
既存の研究では，属性とオブジェクトを別々で学習していたが，本手法では同時に学習するために2つのことを行う．
(1)Quintuplet lossを提案し，属性とオブジェクトの相関を学習してCommon Embedding Spaceを正規化する．
(2)ネットワークにGeneratorとDiscriminatorを取り入れ．敵対的学習で学習する．
結果
MITStateとUT-Zapposの2つのベンチマークで提案手法を評価し，SoTAを達成．また追加実験において，Quintuplet lossと敵対的学習がそれぞれ精度の向上に寄与していることを示した．
その他（なぜ通ったか？等）
- …