多任务中的专注单任务处理
计算机视觉与模式识别
2019-04-19 v1
摘要
在这项工作中，我们通过考虑网络在多个任务上训练但一次只执行一个任务来解决通用网络中的任务干扰问题，我们将这种方法称为“多任务的单任务处理”。因此，网络通过任务依赖的特征适配或任务注意力来改变其行为。这使网络能够突出适配于某任务的特征，同时避开无关特征。我们通过对抗训练强制任务梯度在统计上不可区分，从而进一步减少任务干扰，确保服务于所有任务的公共骨干架构不被任何特定任务的梯度所主导。在三个多任务密集标注问题上的结果一致表明：(i) 参数数量大幅减少，同时保持甚至提升性能；(ii) 计算量与多任务精度之间平滑的权衡。我们在 http://vision.ee.ethz.ch/~kmaninis/astmt/ 提供了我们系统的代码与预训练模型。
引用
@article{arxiv.1904.08918,
title = {Attentive Single-Tasking of Multiple Tasks},
author = {Kevis-Kokitsi Maninis and Ilija Radosavovic and Iasonas Kokkinos},
journal= {arXiv preprint arXiv:1904.08918},
year = {2019}
}
备注
CVPR 2019 Camera Ready