Hyperbolic Deep Learning in Computer Vision: A Survey

要約

タイトル：コンピュータビジョンにおける超ボリック深層学習：サーベイ

要約：
– 深層表現学習は現代のコンピュータビジョンにおける普遍的な要素である。
– ユークリッド空間はビジュアル・リプレゼンテーションのための事実上の標準的な曲面であるが、最近では超ボリック空間がコンピュータビジョンでの学習において急速に注目を集めるようになってきた。
– 特に、超ボリック学習は階層構造を埋め込み、限られたサンプルから学び、不確実性を評価し、堅牢さを追加し、エラーの深刻さを制限するなど、強力な可能性を示している。
– 本論文では、コンピュータビジョンにおける超ボリック学習の現在の文献についてカテゴリ分けと深い概要を提供する。
– 監視付きと非監視学習の文献の両方を研究し、各方向で主要な研究テーマを3つ特定する。
– すべてのテーマで超ボリック学習がどのように行われるかを概説し、コンピュータビジョンの現在の超ボリック学習の進展から利益を得る主要な研究問題について議論する。
– さらに、超ボリック幾何学の高レベルな直感を提供し、この方向での研究をさらに進展させるためのオープンな研究問題について概説する。

要約(オリジナル)

Deep representation learning is a ubiquitous part of modern computer vision. While Euclidean space has been the de facto standard manifold for learning visual representations, hyperbolic space has recently gained rapid traction for learning in computer vision. Specifically, hyperbolic learning has shown a strong potential to embed hierarchical structures, learn from limited samples, quantify uncertainty, add robustness, limit error severity, and more. In this paper, we provide a categorization and in-depth overview of current literature on hyperbolic learning for computer vision. We research both supervised and unsupervised literature and identify three main research themes in each direction. We outline how hyperbolic learning is performed in all themes and discuss the main research problems that benefit from current advances in hyperbolic learning for computer vision. Moreover, we provide a high-level intuition behind hyperbolic geometry and outline open research questions to further advance research in this direction.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI