부분의 관계를 학습 목표로 쓰기
이미지를 타일로 나누고 올바른 배치를 찾도록 학습한다. 수동 의미 레이블 없이 부분의 특징과 공간적 배열을 배울 수 있도록 하는 사전 과제다. 원래 픽셀을 그대로 재생성하는 목표와는 다르다.
문맥을 제한하는 CFN
CFN은 타일을 입력받는 아홉 경로의 샴 합성곱 구조다. 초기 처리 단위의 수용 영역을 타일 하나로 명시적으로 제한한다. 전체 영상의 문맥을 처음부터 한 경로로만 처리하는 구성과 구분된다.
후속 과제로의 재사용
퍼즐 학습으로 얻은 특징을 물체 분류와 검출에 다시 사용한다. 퍼즐 정답의 배열을 맞히는 일과 범주의 의미를 판단하는 일은 다르므로 후속 전이에서 표현을 평가한다.
배치의 독립 예
설명용으로 창틀의 연결은 인접 타일의 위치를 추정하는 단서가 될 수 있다. 반면 반복된 같은 벽 타일은 여러 순서가 비슷해 보일 수 있다. 실제 연구 퍼즐을 옮기지 않은 공간 추론의 모호함 예다.
관련 문서
RotNet 표현 학습 / 자기 지도 학습 / 합성곱 신경망 / LOCA 사전 학습 / Leopart / DenseCL