Core Concepts
확산 모델을 활용하여 감독 학습 모델의 실패 모드를 반영하고 타겟 분포와 유사한 데이터를 생성하는 방법을 제안한다.
Abstract
이 논문은 감독 학습 모델의 실패 모드를 반영하고 타겟 분포와 유사한 데이터를 생성하는 방법을 제안한다.
모델 기반 피드백 메커니즘: 감독 학습 모델 f의 손실을 최대화하는 적대적 프롬프트를 찾아 실패 모드를 반영하는 데이터를 생성한다.
타겟 분포 기반 피드백 메커니즘: CLIP 유사도를 활용하여 타겟 분포와 유사한 데이터를 생성한다.
두 피드백 메커니즘을 결합한 Guided Adversarial Prompts (GAP)를 제안한다. GAP는 모델의 실패 모드를 반영하면서도 타겟 분포와 유사한 데이터를 생성한다.
실험 결과, GAP는 Waterbirds와 iWildCam 데이터셋에서 기존 방법보다 데이터 효율성이 높은 것을 보여준다. 또한 Taskonomy 데이터셋의 깊이 추정 문제에서도 다양한 분포 변화에 효과적인 것으로 나타났다.
Stats
"이 모델은 실패 모드를 반영하는 데이터를 생성하여 모델 성능을 향상시킬 수 있다."
"이 모델은 타겟 분포와 유사한 데이터를 생성하여 모델 성능을 향상시킬 수 있다."
Quotes
"Guided Adversarial Prompts 는 모델의 실패 모드를 반영하면서도 타겟 분포와 유사한 데이터를 생성한다."
"Guided Adversarial Prompts 는 기존 방법보다 데이터 효율성이 높은 것으로 나타났다."