Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

FastDINOv2: Frequency Based Curriculum Learning Improves Robustness and Training Speed

Created by
  • Haebom
Category
Empty

저자

Jiaqi Zhang, Juntuo Wang, Zhixin Sun, John Zou, Randall Balestriero

개요

본 논문은 대규모 비전 모델 DINOv2의 자체 훈련 전략을 제안한다. 특히, 계산 부담을 줄이면서도 일반적인 손상에 대한 강건성을 강화하는 데 초점을 맞춘다. 제안된 방법은 저주파수부터 시작하는 주파수 필터링 커리큘럼과 가우시안 노이즈 패칭 증강을 사용한다. ImageNet-1K에서 훈련된 ViT-B/16 백본에 적용했을 때, 훈련 시간과 FLOPs를 각각 1.6배, 2.25배 줄이면서도, 손상 벤치마크(ImageNet-C)에서 동등한 강건성을 달성하고 선형 프로빙 성능을 유지한다.

시사점, 한계점

•
시사점:
◦
대규모 자체 지도 학습 모델의 효율성과 강건성을 동시에 향상시킴.
◦
데이터 커리큘럼 및 증강 기법을 통해 자체 지도 학습 모델의 강건성을 개선하는 새로운 방향 제시.
◦
계산 자원이 제한된 환경에서도 대규모 비전 모델을 훈련할 수 있는 가능성을 열어줌.
•
한계점:
◦
ViT-B/16 백본 및 ImageNet-1K 데이터셋에 국한된 실험.
◦
다른 아키텍처 및 데이터셋에 대한 일반화 성능 검증 필요.
◦
제안된 방법의 이론적 근거에 대한 추가적인 연구 필요.
👍
Made with Slashpage