论文标题：What Is Considered Complete for Visual Recognition?

论文链接：https://arxiv.org/abs/2105.13978

作者单位：华为

这里的"完整"是指识别人类可以识别的一切，本文提出一种名为“learning-by-compression”的新型预训练任务，希望能够激发社区追求compression-recovery的权衡而不是精度-复杂度的权衡！

这是一篇意见书。我们希望传达一个关键信息，即当前的视觉识别系统远未完整，即识别人类可以识别的一切，而且通过不断增加人类注释来弥补差距的可能性很小。 基于观察，我们提出一种名为“learning-by-compression”的新型预训练任务。 计算模型（例如，深度网络）经过优化以使用紧凑特征来表示视觉数据，并且这些特征保留了恢复原始数据的能力。语义注释在可用时扮演弱监督的角色。一个重要但具有挑战性的问题是图像恢复的评估，我们提出了一些设计原则和未来的研究方向。 我们希望我们的建议能够激发社区追求compression-recovery的权衡而不是精度-复杂度的权衡。

内容中包含的图片若涉及版权问题，请及时与我们联系删除