Category: Paper
Paper Review
[NIPS 2022] VideoMAE : Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training
Before Review 사실 제가 지난 리뷰에서 이미지 도메인에서의 MAE를 다뤘는데 그 이유는 바로 VideoMAE를 읽기 위함이었습니다. 그리고 또한 VideoMAE를 읽는 이유는 이번에 비디오 분야에서 개쩌는(?)…
[CVPR 2022] Masked Autoencoders Are Scalable Vision Learners
Before Review 진짜 오랜만에 X-Review 인 것 같습니다. 이번에는 비디오 논문이 아닌 이미지 논문을 읽게 되었습니다. 요즘 Masking Model 들이 많은 연구가 이루어지고 있어서 저도…
[NAACL 2021] Multimodal End-to-End Sparse Model for Emotion Recognition
이번 x-review는 2차년도 감정인식 과제 베이스라인이 되는 논문입니다. 사실 이미 이전의 담당자들이 리뷰를 작성하였으나, 저 나름대로 이해한 것을 정리하면 좋을 것 같아 작성하게 되었습니다. paper…
[WACV 2021] Unsupervised Video Representation Learning by Bidirectional Feature Prediction
오늘 제가 X-Review에서 소개해드릴 논문은 2021년 WACV에 게재된 “Unsupervised Video Representation Learning by Bidirectional Feature Prediction” 입니다. 항상 비디오의 Weakly-supervised Temporal Action Localization task만 소개해드렸었는데,…
[neurips2019]Compacting, Picking and Growing for Unforgetting Continual Learning
Introduction 본 논문은 incremental learning에 관한 논문입니다. figure2에서 방법론의 저력을 확인할 수 있는데요 기존 방법론인 Dynamic-expansion Net(DEN)[1]대비 좋은 성능을 보임을 확인할 수 있습니다. 본 포스트에서는…
Self-supervised Learning
이번에 리뷰할 논문들은 모두 Self-supervised Learning 관련입니다. 예전부터 관심을 가지던 분야기도 했었고, 조만간 관련 분야로 연구를 할 수도 있을 것 같아서 공부를 하고 있습니다. 물론…
[ICLR2019] ImageNet-Trained CNNs are Biased Towards Texture; Increasing Shape Bias Improves Accuracy And Robustness
이번에 소개드릴 논문은 ICLR2019년에 게재된 논문으로 상당히 재밌는 논문입니다. 내용은 제목에서도 볼 수 있다시피, ImageNet으로 학습된 CNN은 texture의 편향이 되어 있으며, shape에 편향되도록 할 경우…
[AAAI 2021] Weakly Supervised Temporal Action Localization Through Learning Explicit Subspaces for Action and Context
안녕하세요, 오늘 X-Review는 Weakly-supervised Temporal Action Localization(WTAL) task 관련 논문을 가져왔습니다. 해당 논문은 2021년도 AAAI에 게재되었고, 제목은 ‘Weakly Supervised Temporal Action Localization Through Learning Explicit…
[CVPR 2022] Probabilistic Representations for Video Contrastive Learning (Part.1)
Before Review 정말 오랜만에 논문을 읽는 것 같습니다. 2달만에 리뷰 작성이네요. 원래는 에트리 다음 연도 연구 계획이랑 관련된 논문을 읽으려고 했지만 이번에 준비한 논문 제목도…
[NeurIPS2020]Learning Loss for Test-Time Augmentation
간단한 소개 본 논문은 test time에 적합한 instance-level의 data augmentation을 위한 방법론을 소개한다. 제안하는 방법론은 입력값을 transformation한 후보들의 loss를 예측하는 보조모듈을 이용하는데, loss가 낮게 예측된…
안녕하세요 찬미님 깔끔한 리뷰 감사합니다! 몇가지 궁금한점이 생겨 댓글 남깁니다 설명해주신 것처럼 모델의 학습방법은 최신 논문 대비 꽤나 간단한것 같습니다.…