論文の概要: Rethink, Revisit, Revise: A Spiral Reinforced Self-Revised Network for Zero-Shot Learning

• arxiv url: http://arxiv.org/abs/2112.00410v1
• Date: Wed, 1 Dec 2021 10:51:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 13:59:49.814323
• Title: Rethink, Revisit, Revise: A Spiral Reinforced Self-Revised Network for Zero-Shot Learning
• Title（参考訳）: Rethink, Revisit, Revise: ゼロショット学習のためのスパイラル強化型自己修正ネットワーク
• Authors: Zhe Liu, Yun Li, Lina Yao, Julian McAuley, and Sam Dixon
• Abstract要約: 本稿では,属性群の列に基づいて視覚表現を再考するスパイラル学習の形式を提案する。 スパイラル学習は、一般化された局所的相関を学習することを目的としており、モデルが徐々にグローバルな学習を強化することができる。 我々のフレームワークは、ゼロショットと一般化されたゼロショット設定の両方において、4つのベンチマークデータセット上で最先端のアルゴリズムより優れています。
• 参考スコア（独自算出の注目度）: 35.75113836637253
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current approaches to Zero-Shot Learning (ZSL) struggle to learn generalizable semantic knowledge capable of capturing complex correlations. Inspired by \emph{Spiral Curriculum}, which enhances learning processes by revisiting knowledge, we propose a form of spiral learning which revisits visual representations based on a sequence of attribute groups (e.g., a combined group of \emph{color} and \emph{shape}). Spiral learning aims to learn generalized local correlations, enabling models to gradually enhance global learning and thus understand complex correlations. Our implementation is based on a 2-stage \emph{Reinforced Self-Revised (RSR)} framework: \emph{preview} and \emph{review}. RSR first previews visual information to construct diverse attribute groups in a weakly-supervised manner. Then, it spirally learns refined localities based on attribute groups and uses localities to revise global semantic correlations. Our framework outperforms state-of-the-art algorithms on four benchmark datasets in both zero-shot and generalized zero-shot settings, which demonstrates the effectiveness of spiral learning in learning generalizable and complex correlations. We also conduct extensive analysis to show that attribute groups and reinforced decision processes can capture complementary semantic information to improve predictions and aid explainability.
• Abstract（参考訳）: ゼロショット学習(ZSL)への現在のアプローチは、複雑な相関を捉えることのできる一般化可能な意味知識の習得に苦慮している。 知識の再訪によって学習プロセスを増強する「emph{spiral curriculum}」に触発され、属性群(例えば、\emph{color} と \emph{shape} の組合せ群)に基づいて視覚表現を再検討するスパイラル学習の一形態を提案する。 スパイラル学習は、一般化された局所的相関を学習することを目的としており、モデルが徐々にグローバルな学習を強化し、複雑な相関を理解することを可能にする。 実装は2段階の \emph{Reinforced Self-Revised (RSR) フレームワーク, \emph{preview} と \emph{review} に基づいている。 RSRはまず視覚情報をプレビューし、弱い教師付きで多様な属性群を構築する。 次に、属性群に基づいて洗練された局所性をスパイラルに学習し、グローバル意味相関の修正に局所性を用いる。 筆者らのフレームワークは,ゼロショットと一般化ゼロショット設定の両方において,4つのベンチマークデータセットの最先端アルゴリズムよりも優れており,学習におけるスパイラル学習の有効性を示す。 また,属性群と強化された意思決定プロセスが相補的な意味情報を取り込み,予測や説明可能性の向上に役立つことを示すために,広範な分析を行った。

関連論文リスト

• Improved Generalization Bounds for Communication Efficient Federated Learning [4.3707341422218215]
  本稿では,一般化境界の探索と表現学習によるフェデレーション学習の通信コストの低減に焦点をあてる。 我々は、一般化境界と表現学習分析に基づいて、適応的局所ステップ付きフェデレートラーニング(FedALS)アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-04-17T21:17:48Z)
• Graph-level Protein Representation Learning by Structure Knowledge Refinement [50.775264276189695]
  本稿では、教師なしの方法でグラフ全体の表現を学習することに焦点を当てる。 本稿では、データ構造を用いて、ペアが正か負かの確率を決定する構造知識精製(Structure Knowledge Refinement, SKR)という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-05T09:05:33Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
  我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。 本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
  論文  参考訳（メタデータ） (2022-05-30T17:50:59Z)
• Entity-Conditioned Question Generation for Robust Attention Distribution in Neural Information Retrieval [51.53892300802014]
  教師付きニューラル情報検索モデルでは,通過トークンよりも疎注意パターンを学習することが困難であることを示す。 目的とする新しい合成データ生成手法を用いて、与えられた通路内の全てのエンティティに対して、より均一で堅牢な参加をニューラルIRに教える。
  論文  参考訳（メタデータ） (2022-04-24T22:36:48Z)
• HiCLRE: A Hierarchical Contrastive Learning Framework for Distantly Supervised Relation Extraction [24.853265244512954]
  雑音の少ない文を抽出するための階層的コントラスト学習フレームワーク (HiCLRE) を提案する。 具体的には,3段階の階層型学習フレームワークを提案する。 実験により、HiCLREは様々なメインストリームDSREデータセットにおいて、強いベースラインを著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2022-02-27T12:48:26Z)
• An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot Learning [77.72330187258498]
  エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。 ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。 グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
  論文  参考訳（メタデータ） (2021-11-03T11:13:13Z)
• Improving Facial Attribute Recognition by Group and Graph Learning [34.39507051712628]
  属性間の関係を爆発させることは、顔属性認識を改善する上で重要な課題である。 本研究では,空間的関係と非空間的関係の2種類の相関関係について考察する。 マルチスケールグループとグラフネットワークという統合ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-28T13:36:28Z)
• Zero-shot Relation Classification from Side Information [5.609443065827996]
  ゼロショット学習アプローチは、人間が事前知識のない新しい概念を学習し、認識する方法を模倣する。 ZSLRCは、重み付けされた側(補助的)情報を利用するように修正された先進的なネットワークを使用する。 ZSLRCは、教師付き学習、少数ショット学習、ゼロショット学習タスクにおいて最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-11-13T20:57:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。