透过图像特征的迷雾揭示位置信息模式的掩码
计算机视觉与模式识别
2022-06-03 v1 人工智能
机器学习
摘要
近期研究表明，卷积神经网络中的填充（padding）编码了绝对位置信息，这会对某些任务的模型性能产生负面影响。然而，现有的用于量化位置信息强度的度量标准仍不可靠，且常导致错误结果。为解决此问题，我们提出了用于度量（及可视化）所编码位置信息的新度量。我们将所编码的信息正式定义为 PPP（来自填充的位置信息模式，Position-information Pattern from Padding），并进行了一系列实验以研究其性质及形成过程。所提出的度量比基于 PosENet 和 F-Conv 中测试的现有度量更可靠地衡量位置信息的存在。我们还证明，对于任何已有（及所提出的）填充方案，PPP 主要是学习产物，较少依赖于底层填充方案的特性。
引用
@article{arxiv.2206.01202,
title = {Unveiling The Mask of Position-Information Pattern Through the Mist of Image Features},
author = {Chieh Hubert Lin and Hsin-Ying Lee and Hung-Yu Tseng and Maneesh Singh and Ming-Hsuan Yang},
journal= {arXiv preprint arXiv:2206.01202},
year = {2022}
}