Core Concepts
다양한 아키텍처와 훈련 이력을 가진 사전 훈련된 시각 딥 네트워크들이 자기 주도적으로 목표 객체를 참조하기 위한 공유 프로토콜을 개발할 수 있다.
Abstract
이 연구는 사전 훈련된 시각 딥 네트워크 간 참조 통신에 대해 탐구한다. 주요 내용은 다음과 같다:
다양한 아키텍처와 훈련 이력을 가진 사전 훈련된 시각 딥 네트워크들이 자기 주도적으로 목표 객체를 참조하기 위한 공유 프로토콜을 개발할 수 있음을 보여준다.
개발된 프로토콜은 훈련 중 보지 못한 새로운 객체 범주에 대해서도 어느 정도 유연하게 적용될 수 있다.
기존 커뮤니티에 새로운 네트워크가 추가되는 경우, 새 네트워크가 기존 커뮤니케이션 프로토콜을 빠르게 학습할 수 있다. 이는 소수의 네트워크로 "범용" 프로토콜을 개발하고 이를 새로운 네트워크에 효과적으로 전파할 수 있는 가능성을 시사한다.
정성적, 정량적 분석을 통해 개발된 프로토콜이 저수준 이미지 특징이 아닌 높은 수준의 의미론적 특징을 포착하고 있음을 확인했다.
Stats
다양한 아키텍처의 네트워크 쌍들이 95.3% 정확도로 참조 통신을 수행할 수 있다.
네트워크 커뮤니티 전체가 96.8% 정확도로 참조 통신을 수행할 수 있다.
단일 클래스 내 객체 구분 정확도는 47.2%이며, 새로운 객체 범주에 대한 정확도는 90.5%이다.
Quotes
"다양한 아키텍처와 훈련 이력을 가진 사전 훈련된 시각 딥 네트워크들이 자기 주도적으로 목표 객체를 참조하기 위한 공유 프로토콜을 개발할 수 있다."
"개발된 프로토콜은 훈련 중 보지 못한 새로운 객체 범주에 대해서도 어느 정도 유연하게 적용될 수 있다."
"기존 커뮤니티에 새로운 네트워크가 추가되는 경우, 새 네트워크가 기존 커뮤니케이션 프로토콜을 빠르게 학습할 수 있다."