이 논문은 모델 보정의 목표를 이론적으로 도출하고, 이를 바탕으로 새로운 보정 손실 함수인 "Correctness-Aware (CA) 손실"을 제안한다. CA 손실은 예측이 정확한 경우 높은 신뢰도를, 예측이 틀린 경우 낮은 신뢰도를 갖도록 한다.
논문의 주요 내용은 다음과 같다:
모델 보정의 목표를 이론적으로 도출하여, 정확한 예측은 높은 신뢰도를, 틀린 예측은 낮은 신뢰도를 갖도록 하는 것이 최적의 보정 목표임을 보였다.
이를 바탕으로 CA 손실 함수를 제안하였다. CA 손실은 정확한 예측에 대해서는 신뢰도를 높이고, 틀린 예측에 대해서는 신뢰도를 낮추는 방향으로 최적화된다.
예측 정확성을 알아내기 위해 원본 이미지와 다양한 변환된 이미지의 예측 결과를 활용하는 방법을 제안하였다.
다양한 실험 결과를 통해 CA 손실이 기존 방법들에 비해 특히 out-of-distribution 데이터에서 우수한 성능을 보임을 확인하였다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Yuchi Liu,Le... at arxiv.org 04-22-2024
https://arxiv.org/pdf/2404.13016.pdfDeeper Inquiries