Author: 황 유진

* Intro [go to paper?] * Triplet loss 는 직관적인 metric learning 방법론 중 하나이다. metric learning이란, 데이터간의 유사도를 거리기반으로 표현할 수 있는 인코더 f를…

Intro Image segmenatation은 각 object 영역을 구별하면서 이미지에서 object가 차지하는 영역을 예측하는 instance segmentation과 이미지의 각 픽셀을 (일반적으로 사전정의된) 카테고리로 분류하는 semantic segmentation으로 나뉜다. 한편…

Abstract coordinate-based neural representations 라고도 불리는 Implicit neural representations(INRs)은 signal representation 연구로, 기존 signal representation은 signal values를 좌표계인 voxel이나 pixels 기반으로 나타냈다면 INR은 연속된 정보인…

논문 링크:Generalizing to Unseen Domains: A Survey on Domain Generalization [Link] What is Domain generalization(DG)? DG의 목적은 하나 혹은 다수의 도메인을 포함하는 학습 데이터로 학습한…

소개 최근 SSL(Semi-supervised learning)은 self-training, consistency regularization 기술 발전에 따라 발전했다. 이 기술들은 보통 confidence를 통해 데이터셋 필터링 과정을 거쳐 unlabeled sample에서 데이터를 선별하였는데, 본…

Intro 본 논문은 labeled data가 매우 적은 상황에서 semi-supervised learning을 할 때 발생할 수 있는 문제점인 confirmation bias 문제를 해결하기 위한 논문으로, 해당 문제의 해결…

본 논문은 semi-supervised learning 방법론에 관한 논문이다. 본 논문은 semi-supervised 방식의 핵심 접근법 중 하나인 consistency regularization을 instance-level과 semantic-level 로 동시에 적용하였다. 이를 통해 ImageNet…

논문 요약 잘 가공된 labeled data와 unlabeled data는 분포차이(class distribution mismatch)나 편향(class imbalance)가 존재할 수 있다. 본 논문은 이러한 real-world application에서 발생할 수 있는 문제에…

본 논문은 Reinforce learning 기반으로 sematic segmentatio을 위한 active learning을 진행하기 위한 방법론 이다. Semantic segmentation은 ground truth를 생성하기 위해 많은 cost가 발생하는 task 중…

소개 본 논문[pdf]은 non-parametrically 한 방식으로 unlabeled image의 psuedo label을 생성하여 학습하는 semi-supervised learning논문이다. labeled image로 구성된 support samples를 이용해 pseudo label을 생성하고 이를 학습에…