교란 이전의 예측 품질
일관성 학습의 감독 예측이 틀리면 교란을 더해도 잘못된 신호가 학습에 사용될 수 있다. PS-MT는 미주석 이미지의 부정확한 예측이 학습을 약화하는 문제를 다룬다. 교란의 강도와 감독의 정확성은 별개의 조건이다.
평균 교사의 확장
평균 교사 모형에 새로운 보조 교사를 더하고 평균 제곱 오차 대신 더 엄격한 신뢰도 가중 교차 엔트로피 손실을 사용한다. 모든 교차 엔트로피 감독이 같은 신뢰도를 갖는 것으로 취급하지 않는 구성이다.
여러 수준의 교란
망과 입력 자료, 특징 교란을 결합해 일관성 학습의 일반화를 개선하려 한다. 특징 수준에는 새로운 적대적 교란도 포함한다. 교사 예측의 정확성을 보완하는 설계와 교란 설계가 함께 작동한다.
신뢰도 가중의 독립 예
설명용으로 흐린 경계의 의사 레이블과 분명한 물체 내부의 의사 레이블을 같은 무게로 학습하면 경계 오류가 강하게 반영될 수 있다. 가중은 감독의 영향을 조정하지만 실제 정답을 새로 관측하지는 않는다. 실제 연구 수치를 옮기지 않은 구분이다.
관련 문서
CPS 반지도 분할 / U2PL / UniMatch 반지도 분할 / ST 플러스플러스 / 반지도 학습 / 의미 분할