PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2304.13836v5cs.LG공식 코드 · Papers with Code

RemOve-And-Retrain의 함정에 관하여: 데이터 처리 불평등 관점

On Pitfalls of $\textit{RemOve-And-Retrain}$: Data Processing Inequality Perspective

데이터 처리 불평등 관점에서 RemOve-And-Retrain(ROAR) 벤치마크의 유효성을 분석한 결과, 정보를 추가할 수 없는 후처리가 점수를 향상시킬 수 있어 순위가 모델 정보의 양을 반드시 반영하지 않음을 밝혔다. 또한 이러한 문제는 공간적으로 흐릿한 마스크에 대한 편향과 연관되어 있음을 CIFAR-10 등의 실험을 통해 확인했다.