출력 표현의 기하
이미지 임베딩을 비교할 때 어떤 거리와 연산을 쓰는지는 표현 공간의 기하와 연결된다. 이 연구는 여러 영상 신경망의 끝부분에 쌍곡 신경망 층을 더해 표현의 기하를 바꾼다.
시각 과제에서의 평가
이미지 분류와 원샷 및 퓨샷 학습, 사람 재식별에서 쌍곡 표현을 실험했다. 기존 유클리드 또는 구면 임베딩을 사용하는 모형과 비교해 시각 자료에 쌍곡 기하를 적용하는 효과를 조사했다.
자료의 쌍곡성 추정
Gromov 쌍곡성을 바탕으로 자료의 쌍곡성을 평가하는 방법도 제안했다. 이를 특정 자료를 임베딩할 푸앵카레 원판의 반지름을 추정하는 단서로 사용한다.
관련 문서
쌍곡 비전 트랜스포머 / 푸앵카레 임베딩 / 쌍곡 신경망 / 거리 학습 / 퓨샷 학습 / 이미지 검색