원본 재생의 비용
과거 자료와 새 자료를 섞어 미세 조정하는 재생은 망각을 줄이는 접근이다. REMIND는 합성곱 신경망에서 원본 이미지를 재생하는 대신 더 간결한 기억을 사용하는 문제를 다뤘다.
압축 표현의 활용
압축된 표현으로 효율적인 재생을 수행한다. 뇌의 압축 기억 재생에서 영감을 받은 방식이지만 제안 대상은 인공 신경망의 온라인 학습 구성이다.
자료 순서에 대한 평가
한 번에 하나의 예시를 학습하는 온라인 조건을 사용한다. ImageNet ILSVRC-2012의 클래스 증가형 학습과 망각을 유발하는 여러 자료 순서에 대한 견고함을 평가했다.
시각 질의응답의 확장
이미지 분류에 더해 시각 질의응답의 온라인 학습에도 적용했다. 압축 표현 재생이 단순한 클래스 인식 외의 과제에서도 활용될 수 있는지 조사한 것이다.
관련 문서
잠재 재생 / 심층 생성 재생 / FearNet / Dark Experience Replay / iCaRL / MIR 재생 표본 검색