NoFADE：分析CO2投入的收益递减
计算机视觉与模式识别
2021-11-30 v1 计算机与社会
机器学习
摘要
气候变化仍是一个影响整个社会的紧迫问题。我们作为一个社会整体，包括计算机视觉（CV）社区，采取步骤限制对环境影响至关重要。在本文中，我们（a）分析了收益递减对CV方法的影响，并（b）提出了一种“NoFADE”：一种基于熵的新度量，用于量化模型—数据集—复杂度关系。我们表明某些CV任务正趋于饱和，而另一些已几乎完全饱和。有鉴于此，NoFADE使CV社区能在相似基础上比较模型与数据集，建立一个无关的通用平台。
引用
@article{arxiv.2111.14059,
title = {NoFADE: Analyzing Diminishing Returns on CO2 Investment},
author = {Andre Fu and Justin Tran and Andy Xie and Jonathan Spraggett and Elisa Ding and Chang-Won Lee and Kanav Singla and Mahdi S. Hosseini and Konstantinos N. Plataniotis},
journal= {arXiv preprint arXiv:2111.14059},
year = {2021}
}
备注
Climate Change with Machine Learning workshop at 35th Conference on Neural Information Processing Systems (NeurIPS2021-CCAI)