Core Concepts
다중 모드 알레아토리 불확실성을 효과적으로 모델링하기 위해 힌지-와세르슈타인 손실을 제안한다. 이는 단일 모드 타깃에서도 다중 모드 분포를 예측할 수 있게 한다.
Abstract
이 논문은 컴퓨터 비전 시스템에서 출력 불확실성을 정량화하는 방법을 연구한다. 특히 이미지에서 매개변수 값으로의 회귀 문제에 초점을 맞추었다.
주요 내용은 다음과 같다:
기존의 손실 함수들은 다중 모드 분포를 잘 모델링하지 못하고 과도한 확신을 보인다는 것을 실험을 통해 보였다.
이를 해결하기 위해 힌지-와세르슈타인 손실을 제안했다. 이 손실은 약한 보조 모드에 대한 페널티를 줄여 다중 모드 분포 예측을 가능하게 한다.
합성 데이터셋 실험을 통해 제안한 손실이 다중 모드 불확실성을 효과적으로 모델링할 수 있음을 보였다.
지평선 검출과 스테레오 분산 추정 태스크에 적용하여, 제안 방법이 기존 방법 대비 불확실성 추정 성능을 크게 향상시킴을 보였다.
Stats
단일 모드 타깃으로 학습할 경우 와세르슈타인 손실이 과도한 확신을 보인다.
제안한 힌지-와세르슈타인 손실은 단일 모드 타깃에서도 다중 모드 분포를 효과적으로 예측할 수 있다.
힌지 값을 적절히 조절하면 불확실성 추정 성능을 크게 향상시킬 수 있다.
Quotes
"기존의 손실 함수들은 다중 모드 분포를 잘 모델링하지 못하고 과도한 확신을 보인다."
"제안한 힌지-와세르슈타인 손실은 단일 모드 타깃에서도 다중 모드 분포를 효과적으로 예측할 수 있다."
"힌지 값을 적절히 조절하면 불확실성 추정 성능을 크게 향상시킬 수 있다."