![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
对比学习
文章平均质量分 94
不稳定程序制造机
小bug批发,Segmentfault零售.
展开
-
# [Contrastive Learning] Contrastive Coherence Preserving Loss for Versatile Style Transfer
这是篇卖“问题”的文章。作者指出视频风格转换类方法目前还没有很好的解决"帧间不一致性"(Temporal Inconsistency或者Flicker Artifacts)问题,这导致转化后的视频总是特别“闪”. (笔者注,从演示demo来看其实也不见得,MCC Net之类的方法其实已经不太闪了)为什么会这样呢?作者认为是之前的方法太重视“全局约束”(global constraint),虽然全局约束确保了图像整体风格转换的稳定性上,当前帧和后续帧在风格转换的效果上不会出现大面积的突变;但是对于局部噪声的约原创 2022-07-26 00:24:54 · 263 阅读 · 0 评论 -
# [Contrastive Learning] Fast-MoCo
这是篇卖“问题”的文章。作者发现使用目前的对比学习方法,想要得到理想的效果往往需要很长的训练时间(比方说MoCo需要训练800个epoch)。作者认为,这主要是因为这类“**two-image-one-pair**”的对比学习范式,对于数据的利用率并不高。简单来说,就是一个sample的经过增广后的两个view(文中的“two-image”就是two-view)只能用作一个正例pair,这在训练过程中对于数据的利用十分低效。基于这个假设,很自然就能想到“**two-image-multi-pair**”,来原创 2022-07-24 16:23:28 · 343 阅读 · 0 评论 -
[Contrastive Learning] Improving Contrastive Learning by Visualizing Feature Transformation
这是篇卖“方法”的文章。 - 作者提供了一种可视化工具(称之为*score distribution*),来分析、解释与理解对比学习的学习过程 - 基于score distribution的观察,作者提出了两种特征层面上的增广方式(Feature Transformation, FT),能够有效涨点。FT的使用十分方便,能够嵌入到各类对比学习方法之中; ...原创 2022-07-20 18:30:53 · 860 阅读 · 1 评论