학습 모델과 추론의 구분
FIFA는 새로운 프레임 특징 추출기를 학습하는 제안이 아니라 행동 분할 결과를 구하는 추론 방법이다. 기존 접근법 위에 적용해 추론 절차를 바꾼다.
에너지의 근사
비용이 큰 동적 계획법을 수행하는 대신 근사 에너지 함수를 미분 가능하게 구성하고 경사 하강으로 최소화한다. 정확한 최적해를 그대로 계산하는 절차와는 구별된다.
계산 시간을 조절하는 추론
언제든 현재 결과를 얻을 수 있는 형태의 추론으로 시간과 정확도 사이의 절충을 제공한다. 빠르다는 평가는 반복 횟수와 비교 대상, 실행 조건을 함께 확인해야 한다.
적용 범위
관련 연구는 약지도 행동 분할과 정렬, 완전 감독 행동 분할에 적용하고 두 데이터셋에서 평가했다. 감독 정보가 달라도 추론 단계를 개선하는 도구로 사용할 수 있음을 살펴본 것이다.
관련 문서
NeuralNetwork-Viterbi / CDFL 행동 분할 / MuCon 행동 분할 / UVAST / 경사 하강법 / 동적 계획법