艺术领域泛化方法受限于其深层表征
计算机视觉与模式识别
2019-07-31 v1
摘要
跨描绘问题指的是无论视觉对象以何种形式呈现都能识别的任务；无论是照片、绘画、素描等。过去，一些研究者将跨描绘视为领域自适应（DA）。更近期的工作将跨描绘视为领域泛化（DG），其中算法将识别能力从一组领域（如照片和彩色艺术品）扩展到另一组领域（如素描）。我们表明，在 PACS 基准上测试时，将 AlexNet 的最后一层固定为随机值，其性能可与最先进的 DA 和 DG 算法相媲美。结合背景文献的支持，我们的结果使我们得出结论：仅凭纹理不足以支持泛化；相反，诸如结构和形状等高阶表征是必要的。
引用
@article{arxiv.1907.12622,
title = {Artistic Domain Generalisation Methods are Limited by their Deep Representations},
author = {Padraig Boulton and Peter Hall},
journal= {arXiv preprint arXiv:1907.12622},
year = {2019}
}
备注
7 pages, 3 figures, 1 Table, 3 Algorithms