$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 최신 자가 학습 기반의 인공지능 기술 동향 원문보기

방송과 미디어 = Broadcasting and media magazine, v.27 no.2, 2022년, pp.19 - 25  

김승룡 (고려대학교)

초록
AI-Helper 아이콘AI-Helper

본 고에서는 최근 컴퓨터 비전 분야에서 가장 활발히 연구되고 있는 분야 중에 하나인 자가 학습(Self-supervised Learning) 기술의 동향과 향후 방향성에 대해서 논의한다. 컴퓨터 비전 분야에서의 자가 학습 기술은 최근에 Contrastive Learning 기법을 활용하여 활발하게 연구되고 있는데, 이를 위한 좋은 Positive와 Negative를 어떻게 추출할까에 대한 고민으로 수많은 연구들이 진행되어 왔다. 본 고에서는 이러한 방향성에서 대표적인 몇 가지의 방법론에 대해서 논의하고 이의 한계점을 언급하며 컴퓨터 비전 분야에서 자가 학습 기법이 가야 할 방향성에 대해서 논의하고자 한다.

참고문헌 (21)

  1. L.A. Gatys et al., Texture and art with deep neural networks, Neurobiology, 2017 

  2. R. Geirhos et al., ImageNet-trained CNNs are biased towards texture; increasing shape bias improves accuracy and robustness, ICLR 2019 

  3. J. Devlin et al., BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, NAACL, 2019 

  4. Misra and Maaten, Self-Supervised Learning of Pretext-Invariant Representations, ArXiv, 2020 

  5. Dosovitskiy et al., Discriminative Unsupervised Feaature Learning with Exemplar Convolutional Neural Networks, NIPS, 2014 

  6. Doersch et al., Unsupervised Visual Representation Learning by Context Prediction, ICCV, 2015 

  7. Norrozi et al., Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles, ECCV, 2016 

  8. Gidaris et al., Unsupervised Representation Learning by Predicting Image Rotations, ICLR, 2018 

  9. Zhang et al., Colorful Image Colorization, ECCV, 2016 

  10. Pathak et al., Context Encoders: Feature Learning by Inpainting, CVPR, 2016 

  11. Chen et al., A Simple Framework for Contrastive Learning of Visual Representations, ICML, 2020 

  12. Z. Wu et al., Unsupervised Feature Learning via Non-Parametric Instance Discrimination, CVPR, 2018 

  13. I. Misra et al., Self-Supervised Learning of Pretext-Invariant Representations, CVPR, 2020 

  14. K. He et al., Momentum Contrast for Unsupervised Visual Representation Learning, CVPR, 2020 

  15. J. B. Grill et al., Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning, NeurIPS, 2020 

  16. M. Caron et al., SwAV: Unsupervised Learning of Visual Features by Contrasting Cluster Assignments, NeurIPS, 2020 

  17. X. Chen and K. He, Exploring Simple Siamese Representation Learning, CVPR, 2021 

  18. S. Atito et al., SiT: Self-Supervised Vision Transformer, ArXiv, 2021 

  19. M. Caron et al., Emerging Properties in Self-Supervised Vision Transformers, ArXiv, 2021 

  20. H. Bao et al., BEIT: BERT Pre-Training of Image Transformers, ICCV, 2021 

  21. K. He et al., Masked Autoencoders Are Scalable Vision Learners, ICCV, 2021 

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로