Metric Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 7
- 보존된 평가 기록
- 122
The goal of Metric Learning is to learn a representation function that maps objects into an embedded space. The distance in the embedded space should preserve the objects’ similarity — similar objects get close and dissimilar objects get far away. Various loss functions have been developed for Metric Learning. For example, the contrastive loss guides the objects from the same class to be mapped to the same point and those from different classes to be mapped to different points whose distances are larger than a margin. Triplet loss is also popular, which requires the distance between the anchor sample and the positive sample to be smaller than the distance between the anchor sample and the negative sample.
Source: Road Network Metric Learning for Estimated Time of Arrival
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
환경 유사성과 선박 이동성을 해양 침입종 경로의 결합 예측변수로 하는 이론적 프레임워크
쌍별 분위수 회귀에 관하여 - 통계적 보장과 응용
각도로 본 의미론: 코사인 유사도가 통할 때와 통하지 않을 때
다양한 의도의 멀티턴 패션 이미지 검색
T5-CSBoost: 적대적 교란에 강인한 LLM 핑거프rinting
대조적 컨포멀 집합
모달 경계의 흐림: 단일 모달에서 다중 모달 인물 재식별(ReID)에 대한 통합 서벡
선택성이 효율을 견인한다: 시각적 장소 인식을 위한 데이터셋 가지치기
실제 얼굴 없이 얼굴 인식 벤치마킹
Quantifying Training Membership Information in the Hyperspherical Embedding Geometry of Face Recognition Models
비지도 가시-적외선 사람 재식별을 위한 구조-의미 상호 학습
DIVE: 자기 제한 그래디언트 업데이트를 통한 임베딩 압축
MGFace: 조건부 유사도 라우팅을 통한 마스크 게이트 얼굴 매칭
생체인식 발걸음 인식을 위한 제2회 국제 StepUP 대회: Steps에서 Strides로
주기적 시계열의 불변량에 대한 최대 다양성과 가중치
카탈로그-실세계 간극 해소: 다단계 대조 학습을 통한 확장 가능한 상품 인식
분포형 데이터를 위한 특징 선택 기반 동적 프레셰 회귀
InfoNCE 손실을 이용한 대조 학습에서의 유사도 검색 일반화
STEAM: 탄력적 매칭과 적응형 정제를 통한 안정적 자기학습
HiHR: 항공-지상 보행자 재식별을 위한 계층적 쌍곡 표현
의미적 난이도는 시각적 난이도가 아니다: 수어 검색을 위한 수어 인식 하드 네거티브 마이닝
TextileNet: 필사본의 제로샷 텍스트 스타일 분할을 향하여
연속 메타데이터 컨디셔닝을 활용한 동물 재식별을 위한 매개변수 효율적 비전-언어 적응
성격 인식에서 프로토타입 네트워크를 위한 이론-무관 적응적 메트릭 정렬에서의 LLM-as-a-Judge
확률적 순서 학습: 노이즈 데이터를 활용한 순위 추정 접근법
최소 행동 거리 학습
기하학적 안정성: 표현의 빠진 축
명목형 및 순서형 속성을 포함한 범주형 데이터 클러스터링을 위한 속성 내 거리의 학습 가능한 가중치 부여
SAGE: 효율적인 시각적 장소 인식을 위한 공간-시각 적응형 그래프 탐험
전역에서 세분화로: 상관 표면을 통한 IQA 모델 성능 규명
CLAY: 비전-언어 임베딩 공간에서의 조건부 시각적 유사도 변조
개방 수역에서 밀폐 선실까지: 해양 인식 및 선실 점검을 위한 교차 장면 시각적 장소 인식 ProteusVPR
이진 우울증 탐지를 위한 어드밴티지 가중 랭킹을 통한 잠재적 우울증 중증도 규명
MABLE: 임베딩 및 그래프 메트릭 학습을 위한 양방향 립시츠 디코딩을 적용한 마스크드 오토인코딩
보수적 피험자 불변 EMG 기반 제스처 인식
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.