面向时空学习的半监督元学习
计算机视觉与模式识别
2023-08-07 v1 人工智能
机器学习
摘要
我们分三步探讨了将元学习应用于自监督掩码自编码器以进行时空学习的目标。总体上，我们旨在理解将元学习应用于现有最先进表示学习架构的影响。为此，我们通过以下三种方式测试时空学习：仅元学习架构、仅表示学习架构，以及同时应用表示学习与元学习架构的架构。我们利用记忆增强神经网络(MANN)架构将元学习应用于我们的框架。具体而言，我们首先尝试应用预训练的 MAE 并在我们的小规模时空数据集上微调以用于视频重建任务。接着，我们尝试训练一个 MAE 编码器并应用分类头用于动作分类任务。最后，我们尝试应用预训练的 MAE 并利用 MANN 主干网络微调以用于动作分类任务。
引用
@article{arxiv.2308.01916,
title = {Semi Supervised Meta Learning for Spatiotemporal Learning},
author = {Faraz Waseem and Pratyush Muthukumar},
journal= {arXiv preprint arXiv:2308.01916},
year = {2023}
}