![](https://img-blog.csdnimg.cn/20210311114354834.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Causal Inference&ML
文章平均质量分 93
近期流行将因果推断领域的相关概念引入机器学习,本专栏聚焦于两者结合的工作成果。
Hoshino Ren
这个作者很懒,什么都没留下…
展开
-
『论文笔记』Deconfounded Image Captioning
Deconfounded Image Captioning 一句话总结 作者认为图像描述等视觉语言类任务中偏置的罪魁祸首是预训练数据集,因此利用前后门调整方式去混杂。 导论 Motivation: 最近的视觉语言社区越来越关注数据集偏置问题,陷入了”做一个数据集“;”有偏置“;”做一个新的“循环之中,尽管也有一些工作开始着眼于设计不受偏置影响的模型,但是却始终没有人探究偏置背后的原因究竟是什么。 作者以图像描述任务为案例,试图探究这一原因,并得出”真正的恶魔存在于预训练数据集中“这一结论。 Cont原创 2021-03-22 17:13:53 · 729 阅读 · 0 评论 -
『论文笔记』Two Causal Principles for Improving Visual Dialog
Two Causal Principles for Improving Visual Dialog Motivation: 受益于最近一段时间VQA领域在Encoder-Decoder框架方面取得的成果,视觉对话任务中模型性能也得到了显著的提升。当前社区一直把VisDial当作VQA的姊妹任务,只是在VQA的基础上添加了对话历史(History)输入。 然而作者认为,VisDial本质上并非带有History的VQA。作者以因果推断的角度入手,引入两条因果原则,将所有的VisDial基线模型提升到SOTA。原创 2021-03-11 12:11:45 · 571 阅读 · 1 评论