Extreme Image Transformations Affect Humans and Machines Differently

要約

タイトル：人間と機械に極端な画像変換は異なる影響を与える

要約：

– 最近の人工ニューラルネットワークは、霊長類や人間のパフォーマンスデータの側面をモデル化することを主張している。
– 彼らの物体認識の成功は、人間が行わない方法で視覚課題を解決するために低水準の特徴を利用することに依存しています。
– そのため、アウトオブディストリビューションまたは敵対的な入力は、ANNにとってしばしば課題であるが、人間は抽象的なパターンを学び、多くの極端な画像の歪みに対してほとんど影響を受けない。
– 新しい画像変換を導入し、人間とANNを物体認識のタスクで評価する。
– ある変換については機械の方が人間よりも優れた性能を発揮し、人間にとって容易なものについては機械が人間と同等の性能を発揮するのが難しいことを示す。
– 人間と機械の精度の違いを定量化し、人間データの変換の困難度のランキングを見つける。
– また、機械にとって困難な変換を改善するために、人間の視覚処理の特定の特徴がどのように適応されるかを提案する。

要約(オリジナル)

Some recent artificial neural networks (ANNs) claim to model aspects of primate neural and human performance data. Their success in object recognition is, however, dependent on exploiting low-level features for solving visual tasks in a way that humans do not. As a result, out-of-distribution or adversarial input is often challenging for ANNs. Humans instead learn abstract patterns and are mostly unaffected by many extreme image distortions. We introduce a set of novel image transforms inspired by neurophysiological findings and evaluate humans and ANNs on an object recognition task. We show that machines perform better than humans for certain transforms and struggle to perform at par with humans on others that are easy for humans. We quantify the differences in accuracy for humans and machines and find a ranking of difficulty for our transforms for human data. We also suggest how certain characteristics of human visual processing can be adapted to improve the performance of ANNs for our difficult-for-machines transforms.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI