CPC (Contrastive Predictive Coding)

CVPR在投

已于 2022-10-16 22:45:44 修改

阅读量1.1k

点赞数 1

分类专栏：自监督学习——对比学习文章标签：深度学习计算机视觉人工智能 ssl

于 2022-10-16 22:40:59 首次发布

本文链接：https://blog.csdn.net/m0_57567093/article/details/127353348

版权

自监督学习——对比学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

原论文链接：https://arxiv.org/pdf/1807.03748.pdf

本文若有讲述错误或不妥之处，欢迎大佬在评论区纠正！

论文总览

CPC总览

论文详细解读

1. 论文的motivation

为了学习高维数据之间的潜在共享信息(slow features)
生成式模型计算量太大，且学习到的很多特征都是特定模式下的特征

所以我们不应该直接学习后验概率 p(x|c) (其中是当前的输入，是上下文)，而是应该将和嵌入到更加紧凑分布的空间(a compact distributed vector representations)中，并最大化保留和之间的互信息：

$I(x;c) = \sum_{x,c}^{}p(x,c)log\frac{p(x|c)}{p(x)}$

2. 论文的architecture

来源:原论文

包含两个主要结构：非线性编码器 $g_{enc}$ 和自回归编码器 $g_{ar}$

非线性编码器 $g_{enc}$

可以是任何CNN/Transformer类型网络，将每个输入都映射到隐空间(即上面提到的compact distributed space)生成特征向量:

$z_{t} = g_{enc}(x_{t})$

自回归编码器 $g_{ar}$

可以是任何RNN类型网络，将前个输入映射的特征向量进行信息汇聚(summarize)生成上下文特征向量:

$c_{t} = g_{ar}(z_{\leqslant t})$

损失函数

互信息转化

将上述的互信息转化为简单的双线性对数函数:

$f_{k}(x_{t+k}, c_{t}) = exp(z_{t+k}^{T}W_{k}c_{t}) \propto \tfrac{p(x_{t+k}|c_{t})}{p(x_{t+k})}$

InfoNCE loss

给定数据集 (包含 1 个正样本和 N-1 个负样本)，可以求得损失函数为:

$L_{N} = - E_{X}[log\tfrac{f_{k}(x_{t+k}, c_{t})}{\sum_{x_{j}\in X}^{}f_{k}(x_{j}, c_{t})}]$

可以证明最小化 InfoNCE loss就等于最大化

整体过程

首先前个数据经过 $g_{enc}$ 和 $g_{ar}$ 编码生成 $\left \{ z_{1}, ..., z_{t} \right \}$ 和 $c_{t}$ ；
对于往后的输入数据 $x_{t+k}$ , 先进入 $g_{enc}$ 生成 $z_{t+k}$ ,然后将 $c_{t}$ 线性映射成 $W_{k}c_{t}$ (作为对 $z_{t+k}$ 的预测)。注意：这里的 $W_{k}$ 对于每一个都是不同的(即之后的每个时间步都不同)
最后将 $z_{t+k}$ 和 $W_{k}c_{t}$ 带入 InfoNCE 进行互信息计算，然后 BP 更新 $g_{enc}$ 和 $g_{ar}$ 参数

3. 论文的experiment(图像方面)

来源:原论文

由于我本身更多混迹在CV领域，所以重点讲解CPC如何在图像上操作(仅仅是一些重要操作).

对于 $g_{enc}$ ，论文使用 ResNet v2 101 (没有使用 )；对于 $g_{ar}$ ，论文使用 PixelCNN-style AR model(感兴趣的大佬可以了解一下)；
他们将每个图片分成 7x7 格(当然还有一系列变换，这里不细讲)，每格作为一个数据 $x_{t}\left \{ t\in \left \{ 1,...,49 \right \} \right \}$ (从左上到右下按顺序展开)，变成一个序列，然后送入CPC进行训练；
论文中最多预测 5 行(35格)，即最少有2行(14格)作为 $x_{t}$ 之前的数据进行提取 $\left \{ z_{1}, ..., z_{t} \right \}$ 和 $c_{t}$ ，不进行互信息计算

个人总结

CPC作为一个通用架构，泛化性还是很强的，在多种模态下都可以使用，并可以根据任务不同侧重使用 $z_{t}$ 或 $c_{t}$ 作为下游任务的特征输入. 但是CPC依旧是偏 generative 式的模型，它通过 $c_{t}$ 对 $z_{t+k}$ 进行预测生成 $W_{k}c_{t}$ ，然后才计算互信息，对于计算量要求还是比较大.