복잡한 증강의 대안
자동 자료 증강은 성능과 단순성 및 비용 사이의 균형을 요구한다. TrivialAugment는 복잡한 정책 탐색을 전제로 하기보다 매우 단순한 기준 방식이 얼마나 효과적인지 살폈다.
한 이미지에 하나의 증강
이미지마다 단 하나의 증강을 적용하며 별도 매개변수 조정이 필요 없는 방법으로 제시됐다. 여러 변환을 길게 연결하거나 조합 정책을 따로 학습하는 방식과 구성의 복잡도가 다르다.
증강 공간과 설정의 분석
논문은 여러 이미지 분류 조건에서 기존 방법과 비교했다. 증강 공간과 증강 방법 및 실험 설정을 바꾸는 구성 요소 제거 실험으로 중요한 조건을 분석했다.
재현 가능한 비교
전체 코드와 자동 증강을 적용하는 간단한 인터페이스를 함께 공개했다. 연구는 효과의 원인을 비교할 수 있는 실험과 향후 자동 증강 연구의 비교 관행도 논의했다.
관련 문서
AugMix / RandAugment / AutoAugment / FixMatch / CutMix / MixUp