Sin prisa, pero sin pausa.

(논문 그대로 해석한 것이 아닌 제 나름의 방식대로 해석해서 작성했음을 알리며 참고 바랍니다.)  Boyi Li et al. Language-driven Semantic Segmentation, ICLR(2022)  Summary- 서로 다른 modality 를 가진 text 와 image embedding 이 corresponding semantic class 를 가지도록 학습- 기존의 fixed-label segmentation method 와 비교해 경쟁력있는 zero-shot 성능을 보임 1. Introduction( * 이전 포스트에서 N-shot learning method 를 리뷰하였습니다. )Semantic segmentation task 에는 많은 양의 annotated data 가 필요..

※ 해당 글을 작성하게 된 이유, 여기저기서 learning method 에 대한 언급이 많이 보여 간단하게라도 정리하고자 글로 남깁니다. "Few-Shot Learning (1/3): Basic Concepts." YouTube, uploaded by Shusen Wang, 21 Aug. 2020, https://www.youtube.com/watch?v=hE7eGew4eeg 0. 필요성 AI 모델은 방대한 양의 train data 가 필요 Classification model 의 경우, 모든 클래스 K 개에 대해서 충분한 데이터셋이 구축되어 있어야 함 또한, 클래스 K 개 내에 들어있지 않는 새로운 클래스의 데이터가 들어온다면 정확한 분류는 어려움 또는 새로운 클래스에 대해서 추가 학습을 진행해야 함..