관련 없는 자료의 주석
미표기 자료 풀에는 목표 학습에 쓰이지 않는 분포 밖 예시가 섞일 수 있다. 정보성만으로 고르면 이런 자료에 주석 비용을 쓰는 문제가 생길 수 있다.
분포 내 여부의 평가
VLPure-AL은 순도와 정보성을 순차적으로 평가한다. 먼저 분포 내 자료의 언어 정보와 영상 정보를 사전 학습 모델에 활용해 분포 밖 자료를 감지하고 제외한다.
남은 자료의 정보성
남은 분포 내 자료에서 정보성이 높은 예시를 고른 뒤 사람이 주석 처리한다. 원 연구는 분포 밖 자료에 대한 의존을 줄이면서 목표 자료를 선택하는 방향을 제시했다.
개방 집합의 실험
여러 개방 집합 조건의 자료에서 비용 손실과 성능을 비교했다. 분포 판정과 정보성의 균형은 사용한 시각 언어 모델 및 자료 조건에서 평가됐다.
관련 문서
VAAL / BADGE 능동 학습 / BAIT 능동 학습 / TypiClust / ProbCover / EPIG 능동 학습