Open morioka opened 3 years ago
https://www.ipsj.or.jp/award/9faeag0000004f1r-att/CH-006.pdf
視覚的質問応答のための敵対的学習を用いた多種質問解答の生成 Adversarial Training of Diverse QA Generator for Visual Question Answering 築山 将央∗ 伊神 大貴∗ 入江 豪† 相澤 清晴∗
FIT2018
本研究では，VQA における半教師あり学習のために， 画像に対して多様な質問解答ペアを生成するモデルの敵 対的学習を行う手法を提案する．半教師あり学習とは， モデルの学習の際に正ラベル付きのデータに加えてラベ ル無しのデータを利用することで，前者のみによる学習 よりも精度を高めることを目的とした手法である．図 1 に本手法のフレームワークの概観を示す．VQA におい ては，ラベル無しの画像に対して仮のラベル（PseudoLabel）として生成した質問解答ペアを付与することで， 合成データとして VQA モデルの学習に利用することが 出来るようになる．また本手法では，強化学習の手法で 用いられる勾配方策法（Policy Gradient）を取り入れる ことで，質問解答ペア生成器を学習させている．
https://www.ipsj.or.jp/award/9faeag0000004f1r-att/CH-006.pdf
視覚的質問応答のための敵対的学習を用いた多種質問解答の生成 Adversarial Training of Diverse QA Generator for Visual Question Answering 築山 将央∗ 伊神 大貴∗ 入江 豪† 相澤 清晴∗
FIT2018
本研究では，VQA における半教師あり学習のために， 画像に対して多様な質問解答ペアを生成するモデルの敵 対的学習を行う手法を提案する．半教師あり学習とは， モデルの学習の際に正ラベル付きのデータに加えてラベ ル無しのデータを利用することで，前者のみによる学習 よりも精度を高めることを目的とした手法である．図 1 に本手法のフレームワークの概観を示す．VQA におい ては，ラベル無しの画像に対して仮のラベル（PseudoLabel）として生成した質問解答ペアを付与することで， 合成データとして VQA モデルの学習に利用することが 出来るようになる．また本手法では，強化学習の手法で 用いられる勾配方策法（Policy Gradient）を取り入れる ことで，質問解答ペア生成器を学習させている．