Open agatan opened 5 years ago
https://github.com/agatan/paper-reading-notes/issues/29
教師なし object segmentaion を GAN でやる話。
segmentaion が完璧にできたとしたら、各 region ごとに画像を render して合成することで、元画像と同じようなデータが生成できるはず。 そこで、
Image → F (segment function) → region map → G (generator function) → Generated Image → D (discriminator function)
を end-to-end で学習することで、良い object segmentor F
を学習する。
↑の構造で単純に学習すると 2 つの理由から trivial な解に陥る可能性が高い。
そこで制約を 2 つ追加する。
実装はかなり複雑に見える。(こんな複雑なもの学習安定しないだろうし、適当な GAN architecture では全然うまくいかないのだろうなという感じ) 「制約を含めてもなお empty mask を生成するようになってしまうことがあるが、そうなったら自動で検知して初期化からやりなおすようにした」と書いてあって壮絶。
https://arxiv.org/pdf/1903.05503.pdf
Metric LearningではHard sampleをいかに探して学習させるかという分野になっている。 でもHard sampleばかり使っていると分布の一部しか使っていないみたいな問題もある。
この手法では、Embedding空間でHard sampleを作って効率的に学習する。
えらいところ
Why
Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。
prev. #4
What
話したいことがある人はここにコメントしましょう! 面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう!