멋찐 병아리 대학원생 🐥

이 논문은 CVPR 2021에 출판된 논문이며, 저자는 Youngkyu Hong*, Seungju Han*, Kwanghee Choi* 등으로 구성되어 있다. Motivation 기존의 long-tail learning을 평가하는 프로토콜은 다음과 같다. (1) long-tailed source label distribution \( p_s(y) \)의 data에서 모델을 학습하고, (2) uniform target label ditribution \( p_t(y) \) 의 data에서 성능을 평가함으로써 효용성을 검증한다. 하지만 저자들은 이러한 평가 프로토콜이 impractical하다고 주장한다. 그 이유는 \( p_t(y) \)는 uniform distribution, long-tailed dist..

이 논문은 CVPR 2022에 출판된 논문이며, 저자는 Seulki Park*, Youngkyu Hong, Byeongho Heo, Sandoo Yun, Jin Young Choi이다. Motivation Class imbalance data setting에서는 minority class의 데이터가 부족하기 때문에 majority class에 쉽게 편향되고, 따라서 classifier의 generalization 성능이 떨어진다는 문제가 있다. 이를 해결하기 위해서 여러가지 방안들이 존재한다. (1) Re-weighting methods: training sample마다 중요도를 반영하여 가중치를 준다. (2) Re-sampling methods: imbalance의 정도를 완화하기 위해 training..

이 논문은 CVPR 2011에 출판된 논문이며, 저자는 Antonio Torralba, Alexei A. Efros이다. 1. 서론 Name that Dataset이라는 게임을 해보자! Figure 1은 12개의 유명한 recognition dataset에서 가장 discriminable한 이미지 3개를 추출한 그림이다. 정답은 다음과 같다. 1) Caltech-101, 2) UIUC, 3) MSRC, 4) Tiny Images, 5) ImageNet, 6) PASCAL VOC, 7) LabelMe, 8) SUNS-09, 9) 15 Scenes, 10) Corel, 11) Caltech-256, 12) COIL-100 사실 이 문제는 데이터셋들이 수천에서 수백만 장의 이미지를 포함하고 있다는 것을 생각하..

서론 우리는 쉽게 데이터 불균등 문제를 마주치게 된다. 데이터 불균등 문제에는 다음과 같은 것들이 있다. Class imbalance: 클래스 간의 데이터 양이 다름 (e.g. 개나 고양이의 데이터 양이 희귀 동물의 데이터 양보다 많음) Group imbalance: 그룹 간의 데이터 양이 다름 (e.g. 인간의 손 데이터를 수집할 때 피부색에 편향이 생길 수 있음) 이러한 데이터 편향 문제를 해결하지 않는다면 classifier는 majority class에 편향된 학습을 하게 된다. 이는 상당한 성능 저하를 일으킬 뿐더러 사회적, 도덕적 문제가 될 수 있기 때문에, 많은 연구자들이 이 문제를 해결하기 위해 많은 알고리즘들을 만들어 내고 있다. 이 논문은 알고리즘에 집중하기 보다는, 데이터에 집중하여 ..

Motivation 실제 현실 세계에서는 Irreversibilty(비가역성)가 어디에나 존재하는데, computing system에서 Irreversibility를 interaction에 활용하는 것에 대한 연구는 아직 부족하다. 주로 Irreversibility를 극복하기 위해 Undo action을 사용하여 efficiency를 designing 할 수 있다. 하지만 사용자의 일상과 융화될 수 있는 기술을 위한 qualities를 designing 하는 것도 중요하다. 이 논문에서는 이를 위해 Undo feature를 사용하지 않고, Irreversibility 를 하나의 design factor로 정의한다. Interaction에서의 Irreversibility의 이점을 활용하여 이를 구체화한다...