目錄

• 簡(jiǎn)介
• 動(dòng)機(jī)
• 方法
• 實(shí)驗(yàn)

簡(jiǎn)介

本文是POSTECH和Kakao合作的一篇文章。
論文鏈接

動(dòng)機(jī)

異常檢測(cè)有助于提升模型的穩(wěn)定性和可靠性，也就是魯棒性，OOD問(wèn)題也可以視為一種異常。但是，單模態(tài)的異常檢測(cè)（MSP）并不能輕易的使用到VQA這種多模態(tài)任務(wù)中。作者提出了一種基于attention的方法（MAP），可以對(duì)VQA中的五種異常進(jìn)行檢測(cè)。

方法

首先，作者將VQA任務(wù)中的異常情況分為五種，也就是五個(gè)TASK。

• TASK1~TASK3
  這三個(gè)TASK很好理解，就是在輸入的視覺信息$V$和語(yǔ)言信息$Q$中，至少有一類是來(lái)自于OOD的。
• TASK4
  TASK4指的是：$V$和$Q$不相關(guān)。即：難以建立兩個(gè)模態(tài)之間的關(guān)聯(lián)。
• TASK5
  TASK5指的是：通過(guò)$V$和$Q$得到的$A$是OOD的。即：答案$A$是未定義的。

結(jié)合下面這幾種異常示例，可以便于理解。

傳統(tǒng)的單模態(tài)異常檢測(cè)方法，使用$\text{softmax}$判斷模型輸出的置信度，當(dāng)置信度低于閾值時(shí)，則認(rèn)為發(fā)生了異常。但是這種方法不適用于VQA任務(wù)，主要有兩方面原因：① 置信度是基于$p(a|v,q)$計(jì)算的，對(duì)前四種TASK無(wú)法區(qū)分；② 進(jìn)行多模態(tài)特征融合后，原本的OOD可能會(huì)消失，即：$V$和$Q$的OOD在進(jìn)行特征融合后表現(xiàn)為ID。

所以，作者提出了基于attention的異常檢測(cè)方法。本質(zhì)是使用$V$中每個(gè)region和$Q$中每個(gè)word的加權(quán)attention計(jì)算score。為了防止attention對(duì)異常過(guò)于strong，作者添加了正則項(xiàng)，顯式地finetune模型。

實(shí)驗(yàn)

提升了模型的魯棒性，但降低了精度。

對(duì)于OOD問(wèn)題（TASK1~TASK3），檢測(cè)能力具有大幅提升。

對(duì)于TASK4：

對(duì)于TASK5：

總結(jié)

以上是生活随笔為你收集整理的AAAI 2021 《Regularizing Attention Networks for Anomaly Detection in Visual Question Answering》论文笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。