ICLR2019採択論文のうち,気になったものをメモしていく.
その1.
その3.
- Pay Less Attention with Lightweight and Dynamic Convolutions
- Transferring Knowledge across Learning Processes
- Large Scale GAN Training for High Fidelity Natural Image Synthesis
- Unsupervised Adversarial Image Reconstruction
- Multi-class classification without multi-class labels
Pay Less Attention with Lightweight and Dynamic Convolutions
チャンネル方向に重みを共有するLightweight Convolutionと重みを動的に生成するDynamic Convolutionを提案.
Transferring Knowledge across Learning Processes
Transfer Learningでは,転移先タスクと転移前のタスクの関連性が低い場合,ソースモデルの最後のパラメータの情報のみを転移するアプローチはうまくいかない場合が多い.それに対して,よりハイレベルな情報を学習時に情報の転移をするためのフレームワークであるLeapを提案する.
Large Scale GAN Training for High Fidelity Natural Image Synthesis
class-conditionalな画像生成タスクについて,バッチサイズおよびチャンネルサイズを大幅に増やした大規模なGANを用いてSOTAを達成.
Unsupervised Adversarial Image Reconstruction
教師なしの設定で,欠損画像を復元する手法の提案.提案手法では,このタスクをMAP推定に置き換えて解いている.
Multi-class classification without multi-class labels
マルチラベルのアノテーションなしにマルチラベルのタスクを解く手法を提案. 提案手法では,あるサンプルに対するマルチクラスのラベルの代わりに,サンプル間の類似度を利用することでマルチラベル分類に取り組む. 提案手法はサンプル間の類似度の予測のためにバイナリ分類器を学習させ,その過程でマルチラベル分類器を獲得する.