探究现状：对视觉表示评估的批判性审视
机器学习
2021-08-13 v2 计算机视觉与模式识别
机器学习
摘要
自监督研究在过去五年中取得了巨大进步，其增长很大程度上由难以定量比较的目标所驱动。这些技术包括着色、循环一致性以及来自图像块的噪声对比估计。因此，该领域已确定使用少数依赖于线性探针的测量方法来判定哪种方法最优。我们的第一个贡献是证明这种测试是不充分的，并且在线性分类上表现差（强）的模型，在更复杂的任务（如时间动作定位）上可能表现强（弱）。我们的第二个贡献是分析了五种不同表示的能力。我们的第三个贡献是提供了一个急需的用于时间动作定位的新数据集。
引用
@article{arxiv.1912.00215,
title = {Probing the State of the Art: A Critical Look at Visual Representation Evaluation},
author = {Cinjon Resnick and Zeping Zhan and Joan Bruna},
journal= {arXiv preprint arXiv:1912.00215},
year = {2021}
}
备注
erd59xH@Rqt!XCMsCmnz