변환이 만드는 감독
수동 의미 주석을 대규모로 마련하는 비용을 줄이기 위해 이미지에 적용한 회전을 예측하는 과제를 사용한다. 변환 정보를 학습 목표로 얻는 것이며 원래 이미지의 물체 이름을 직접 제공하지 않는다.
회전 판단과 의미 특징
회전 예측은 겉보기에는 단순하지만 장면과 물체의 방향 단서를 포착하도록 하는 감독이 될 수 있다. 연구는 정성 및 정량 평가로 이런 특징의 유용성을 살핀다. 모든 물체에 자연스러운 위아래가 있다는 가정은 성립하지 않는다.
사전 과제와 전이 평가
학습한 표현을 여러 분류와 검출, 분할 과제에 옮겨 평가한다. 회전을 잘 맞히는 정확도와 후속 의미 과제의 성능은 별개다. 전이 결과를 통해 표현이 무엇을 담았는지 확인해야 한다.
모호한 회전의 독립 예
설명용으로 균일한 원판이나 반복 무늬는 회전해도 구분 단서가 적을 수 있다. 변환 레이블을 만들 수 있다는 사실과 관측에서 그 변환을 판별할 수 있다는 사실은 다르다. 실제 연구 이미지를 옮기지 않은 사전 과제의 한계 예다.
관련 문서
자기 지도 학습 / 합성곱 신경망 / LOCA 사전 학습 / EsViT / InfoMin 뷰 선택 / 직소 퍼즐 표현 학습