아직 공부를 많이 하지 못해 이해할 수 있는 범위가 한정적이였다.
굉장히 아쉬웠다.
그래서 이번 리뷰는 논문의 디테일한 설명보다는 학부연구생1년차 입장에서
느낀 것들에 대해 정리해보고자 한다.
1. What is metric learning ?
이부분은 신기하게도 초청 세미나 할때마다 언급되었던 것 같다.기존의 우리가 자주했던 classification 과 목표가 같기 때문에 점점 그 지식의 영역의 구분이 사라지고 있다고 한다.
기존에 내가 badge교육때 했던 classification과는 무엇이 어느부분에서 어떻게 다르고 어떨때 쓰면 효과적일까?아직은 잘 모르겠다.
적절한 논문을 골라 원복하는 것을 한번 해봐야 제대로 이해할 수 있을 것 같다.
2. Symmetrical Synthesis for Deep Metric Learning
3. Embedding Expansion: Augmentation in Embedding Space for Deep Metric Learning
이부분이 가장 기억에 남는 부분인데 바로 “대칭성”과 관련있는 부분이다.
사실 아직도 이 대칭성을 어떻게 적용해서 어떻게 효과적이였는지 다른 선배 연구원 만큼 이해하고 있지 못하지만,그냥 순수하게
수학적으로 봤을 때 대칭성을 이룰때 효과적이다는 결론이 너무 흥미롭고 가슴을 뛰게했다.실험적으로 얻은 결론이긴 하나,설명할수있는 방법론이고 직관적으로 이해가 되는 방법이라는 점에서 정말 흥미로웠다.
나도 나중에 연구를 할 수 있는 실력이 됬을 때 수학적으로 증명 가능한 그리고 깔끔하게 납득시킬 수 있는 실험을 해보고 싶다.