HCSC:階層的コントラスト選択的符号化【JST・京大機械翻訳】

Guo Yuanfan; Xu Minghao; Li Jiawen; Ni Bingbing; Zhu Xuanyu; Sun Zhenbang; Xu Yi

プレプリント

J-GLOBAL ID：202202200487047124 整理番号：22P0283067

HCSC:階層的コントラスト選択的符号化【JST・京大機械翻訳】

HCSC: Hierarchical Contrastive Selective Coding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年05月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

階層的意味構造は画像データセットに自然に存在し,その中で,いくつかの意味的に関連する画像クラスタは,より粗い粒子意味論を持つ大きなクラスタにさらに統合できる。画像表現によるそのような構造の捕捉は,様々な下流タスクに関する意味理解に大いに役立つ。既存のコントラスト表現学習法は,そのような重要なモデル能力を欠いている。さらに,これらの方法で使用される負のペアは,意味的に異なることが保証されず,学習された画像表現の構造的正当性をさらに妨げることができる。これらの限界に取り組むために,階層的コントラスト選択符号化(HCSC)と呼ばれる新しいコントラスト学習フレームワークを提案した。このフレームワークにおいて,階層的プロトタイプの集合を構築し,また,潜在空間におけるデータの基礎となる階層的意味構造を表現するために動的に更新した。画像表現がそのような意味構造をより良く適合させるために,著者らは,精巧なペア選択方式を通して,従来のインスタンスとプロトタイプの対比学習を採用して,さらに改良する。このスキームは,類似した意味論を持つより多様な正対と,真に異なる意味論を持つより精密な負の対を選択することを追求する。広範な下流タスクにおいて,最先端のコントラスト法に対するHCSCの優れた性能を検証し,主要なモデル成分の有効性を,豊富な分析研究によって証明した。Secにおける包括的モデル動物を構築した。D.著者らのソースコードとモデル重みは,https://github.com/gyfastas/HCSCで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

前のページに戻る