搜尋
首頁科技週邊人工智慧通用小樣本學習器:適用於各種密集預測任務的解決方案

國際學習表徵會議 ICLR(International Conference on Learning Representations),被公認為目前最具影響力的機器學習國際學術會議之一。

在今年的 ICLR 2023 大會上,微軟亞洲研究院發表了在機器學習穩健性、負責任的人工智慧等領域的最新研究成果。

其中,微軟亞洲研究院與韓國科學技術院(KAIST)在雙方學術合作框架下的科研合作成果,因其出色的清晰性、洞察力、創造力和潛在的持久影響獲評ICLR 2023 傑出論文獎。

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

#論文網址:https://arxiv.org/abs/2303.14969

VTM:首個適合所有密集預測任務的小樣本學習器

密集預測任務是電腦視覺領域的一類重要任務,如語意分割、深度估計、邊緣偵測和關鍵點偵測等。對於這類任務,手動標註像素級標籤面臨著難以承受的巨額成本。因此,如何從少量的標註資料中學習並作出準確預測,即小樣本學習,是該領域備受關注的課題。近年來,關於小樣本學習的研究不斷取得突破,尤其是一些基於後設學習和對抗學習的方法,深受學術界的關注和歡迎。

然而,現有的電腦視覺小樣本學習方法一般針對特定的某一類任務,如分類任務或語意分割任務。它們通常在設計模型架構和訓練過程中利用特定於這些任務的先驗知識和假設,因此不適合推廣到任意的密集預測任務。微軟亞洲研究院的研究員們希望探究一個核心問題:是否存在一個通用的小樣本學習器,可以從少量標記圖像中學習任意段未見過的密集預測任務。

一個密集預測任務的目標是學習從輸入圖像到以像素為單位註釋的標籤的映射,它可以被定義為:

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

#其中H 和W 分別是影像的高與寬,輸入影像一般包含RGB 三個通道,C_Τ 表示輸出通道的數目。不同的密集預測任務可能涉及不同的輸出通道數目和通道屬性,如語意分割任務的輸出是多通道二值的,而深度估計任務的輸出是單通道連續值的。一個通用的小樣本學習器F,對於任何這樣的任務Τ,在給定少量標記樣本支持集S_Τ(包含了N 組樣本X^i 和標註Y^i)的情況下,可以為未見過的查詢圖像X^q 產生預測,即:

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

如果存在適合任意密集預測任務的通用小樣本學習器,那麼必須滿足以下期望:

  • 首先,它必須具備e 統一的體系結構。該結構能夠處理任意密集預測任務,並共享大多數任務所需的參數,以便獲取可泛化的知識,從而能以小量樣本學習任意未見過的任務。
  • 其次,學習器應該靈活地調整其預測機制,以解決具有各種語義的未見過的任務,同時足夠高效,以防止過度擬合。

因此,微軟亞洲研究院的研究員設計並實現了小樣本學習器視覺token匹配VTM(Visual Token Matching),其可用於任意的密集預測任務。這是首個適配所有密集預測任務的小樣本學習器,VTM 為電腦視覺中密集預測任務的處理以及小樣本學習方法打開了全新的思路。這份工作獲得了 ICLR 2023 傑出論文獎

VTM 的設計靈感源自於類比人類的思考過程:給定一個新任務的少量範例,人類可以根據範例之間的相似性快速將類似的輸出分配給類似的輸入,同時也可以根據給定的上下文靈活變通輸入和輸出之間在哪些層面相似。研究員們使用基於影像區塊(patch)層級的非參數匹配實現了密集預測的類比過程。透過訓練,模型被啟發出了捕捉影像區塊中相似性的能力。

給定一個新任務的少量標記範例,VTM 首先會根據給定的範例以及範例的標籤調整其對相似性的理解,從範例影像區塊中鎖定與待預測影像區塊相似的影像區塊,透過組合它們的標籤來預測未見過的影像區塊的標籤。

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

圖1:VTM 的整體架構

VTM 採用分層的編碼器-解碼器架構,在多個層次上實現了基於影像區塊的非參數匹配。它主要由四個模組組成,分別為影像編碼器 f_Τ、標籤編碼器 g、匹配模組和標籤解碼器 h。給定查詢圖像和支援集,圖像編碼器首先會獨立地提取每個查詢和支援圖像的圖像塊級表達。標籤編碼器也會類似地提取每個支援標籤的標記。在每個層次的標記給定後,匹配模組會執行非參數匹配,最終由標籤解碼器推斷出查詢圖像的標籤。

VTM 的本質是一個元學習方法。其訓練由多個 episode 組成,每個 episode 模擬一個小樣本學習問題。 VTM 訓練運用到了元訓練資料集 D_train,其中包含多種有標籤的密集預測任務範例。每個訓練 episode 都會模擬資料集中特定任務 T_train 的小樣本學習場景,目標是在給定支援集的條件下,為查詢影像產生正確的標籤。透過多個小樣本學習的經驗,模型能夠學習到通用的知識,以便快速、靈活地適應新的任務。在測試時,模型需要在訓練資料集 D_train 中未包含的任意任務 T_test 上進行小樣本學習。

在處理任意任務時,由於元訓練和測試中的每個任務的輸出維度 C_Τ 不同,因此使得為所有任務設計統一的通用模型參數成為了巨大挑戰。為了提供一個簡單而普適的解決方案,研究員將任務轉換為 C_Τ 個單通道子任務,分別學習每個通道,並使用共享的模型 F 獨立地對每個子任務進行建模。

為了測試 VTM ,研究員們也特別建構了 Taskonomy 資料集的變種,從而模擬未見過的密集預測任務的小樣本學習。 Taskonomy 包含各種標註過的室內圖像,研究員從中選擇了十個具有不同語義和輸出維度的密集預測任務,將其分為五個部分用於交叉驗證。在每個拆分方式中,兩個任務用於小樣本評估(T_test),其餘八個任務用於訓練(T_train)。研究員們仔細建構了分區,使得訓練和測試任務彼此有足夠的差異,例如將邊緣任務(TE,OE)分組為測試任務,以便對新語義的任務進行評估。

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

表1:在Taskonomy 資料集上的定量比較( Few-shot 基準在訓練了來自其他分區的任務後,在需測試的分區任務上進行了10-shot 學習,其中完全監督的基線在每個fold(DPT)或所有fold(InvPT)上訓練和評估了任務)

表1和圖2分別定量與定性地展示了 VTM 和兩類基準模型在十個密集預測任務上的小樣本學習表現。其中,DPT 和 InvPT 是兩種最先進的監督學習方法,DPT 可獨立地針對每個單一任務進行訓練,而 InvPT 則可以共同訓練所有任務。由於在VTM 之前還沒有針對通用密集預測任務開發的專用小樣本方法,因此研究員們將VTM 與三種最先進的小樣本分割方法,即DGPNet、HSNet 和VAT,進行對比,並將它們拓展到處理密集預測任務的一般標籤空間。 VTM 在訓練期間沒有訪問測試任務T_test,並且僅在測試時使用了少量(10張)的標記圖像,但它卻在所有小樣本基線模型中表現得最好,並且在許多任務中的表現都具備與全監督基準模型比較的競爭力。

ICLR 2023杰出论文奖得主分享:适配任意密集预测任务的通用小样本学习器

圖2:在Taskonomy 的十個密集預測任務中,在新任務上僅提供十張標記圖像的小樣本學習方法的定性比較。在其他方法失敗的情況下, VTM 成功地學習了所有具有不同語義和不同標籤表示的新任務。

在圖2中,虛線上方的分別是真實標籤和兩種監督學習方法 DPT 和 InvPT。虛線下方的是小樣本學習方法。值得注意的是,其他小樣本基準在新任務上出現了災難性的欠擬合,而 VTM 成功地學習了所有任務。實驗說明,VTM 可以在極少量的標記示例(

總結來說,儘管VTM 的底層思路非常簡單,但它具有統一的體系結構,可用於任意密集預測任務,因為匹配演算法本質上包含所有任務和標籤結構(例如,連續或離散)。此外,VTM 僅引入了少量的任務特定參數,就能具備抗過擬合與彈性。未來研究員希望進一步探討預訓練過程中的任務類型、資料量、以及資料分佈對模型泛化表現的影響,以幫助我們建構一個真正普適的小樣本學習器。

以上是通用小樣本學習器:適用於各種密集預測任務的解決方案的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
AI內部部署的隱藏危險:治理差距和災難性風險AI內部部署的隱藏危險:治理差距和災難性風險Apr 28, 2025 am 11:12 AM

Apollo Research的一份新報告顯示,先進的AI系統的不受檢查的內部部署構成了重大風險。 在大型人工智能公司中缺乏監督,普遍存在,允許潛在的災難性結果

構建AI測謊儀構建AI測謊儀Apr 28, 2025 am 11:11 AM

傳統測謊儀已經過時了。依靠腕帶連接的指針,打印出受試者生命體徵和身體反應的測謊儀,在識破謊言方面並不精確。這就是為什麼測謊結果通常不被法庭採納的原因,儘管它曾導致許多無辜者入獄。 相比之下,人工智能是一個強大的數據引擎,其工作原理是全方位觀察。這意味著科學家可以通過多種途徑將人工智能應用於尋求真相的應用中。 一種方法是像測謊儀一樣分析被審問者的生命體徵反應,但採用更詳細、更精確的比較分析。 另一種方法是利用語言標記來分析人們實際所說的話,並運用邏輯和推理。 俗話說,一個謊言會滋生另一個謊言,最終

AI是否已清除航空航天行業的起飛?AI是否已清除航空航天行業的起飛?Apr 28, 2025 am 11:10 AM

航空航天業是創新的先驅,它利用AI應對其最複雜的挑戰。 現代航空的越來越複雜性需要AI的自動化和實時智能功能,以提高安全性,降低操作

觀看北京的春季機器人比賽觀看北京的春季機器人比賽Apr 28, 2025 am 11:09 AM

機器人技術的飛速發展為我們帶來了一個引人入勝的案例研究。 來自Noetix的N2機器人重達40多磅,身高3英尺,據說可以後空翻。 Unitree公司推出的G1機器人重量約為N2的兩倍,身高約4英尺。比賽中還有許多體型更小的類人機器人參賽,甚至還有一款由風扇驅動前進的機器人。 數據解讀 這場半程馬拉松吸引了超過12,000名觀眾,但只有21台類人機器人參賽。儘管政府指出參賽機器人賽前進行了“強化訓練”,但並非所有機器人均完成了全程比賽。 冠軍——由北京類人機器人創新中心研發的Tiangong Ult

鏡子陷阱:人工智能倫理和人類想像力的崩潰鏡子陷阱:人工智能倫理和人類想像力的崩潰Apr 28, 2025 am 11:08 AM

人工智能以目前的形式並不是真正智能的。它擅長模仿和完善現有數據。 我們不是在創造人工智能,而是人工推斷 - 處理信息的機器,而人類則

新的Google洩漏揭示了方便的Google照片功能更新新的Google洩漏揭示了方便的Google照片功能更新Apr 28, 2025 am 11:07 AM

一份報告發現,在谷歌相冊Android版7.26版本的代碼中隱藏了一個更新的界面,每次查看照片時,都會在屏幕底部顯示一行新檢測到的面孔縮略圖。 新的面部縮略圖缺少姓名標籤,所以我懷疑您需要單獨點擊它們才能查看有關每個檢測到的人員的更多信息。就目前而言,此功能除了谷歌相冊已在您的圖像中找到這些人之外,不提供任何其他信息。 此功能尚未上線,因此我們不知道谷歌將如何準確地使用它。谷歌可以使用縮略圖來加快查找所選人員的更多照片的速度,或者可能用於其他目的,例如選擇要編輯的個人。我們拭目以待。 就目前而言

加固芬特的指南 - 分析Vidhya加固芬特的指南 - 分析VidhyaApr 28, 2025 am 09:30 AM

增強者通過教授模型根據人類反饋進行調整來震撼AI的開發。它將監督的學習基金會與基於獎勵的更新融合在一起,使其更安全,更準確,真正地幫助

讓我們跳舞:結構化運動以微調我們的人類神經網讓我們跳舞:結構化運動以微調我們的人類神經網Apr 27, 2025 am 11:09 AM

科學家已經廣泛研究了人類和更簡單的神經網絡(如秀麗隱桿線蟲中的神經網絡),以了解其功能。 但是,出現了一個關鍵問題:我們如何使自己的神經網絡與新穎的AI一起有效地工作

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

SAP NetWeaver Server Adapter for Eclipse

SAP NetWeaver Server Adapter for Eclipse

將Eclipse與SAP NetWeaver應用伺服器整合。

SublimeText3 英文版

SublimeText3 英文版

推薦:為Win版本,支援程式碼提示!

MantisBT

MantisBT

Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

DVWA

DVWA

Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。