Teicnící feabhsaithe chun samhlacha comhsheasmhachta a oiliúint

Is teaghlach nua de samhlacha giniúna iad samhlacha comhsheasmhachta ar féidir leo sonraí ardchaighdeáin a shampláil in aon chéim amháin gan gá le hoiliúint choimhdeach. Baintear an cháilíocht shamplach is fearr amach i samhlacha comhsheasmhachta reatha trí dhriogadh ó shamhlacha idirleata réamhoilte agus trí mhéadrachtaí foghlamtha amhail LPIPS a úsáid. Mar sin féin, cuireann driogadh teorainn le cáilíocht samhlacha comhsheasmhachta go leibhéal na samhla idirleata réamhoilte, agus cruthaíonn LPIPS claonadh neamh-inmhianaithe sa mheastóireacht. Chun dul i ngleic leis na dúshláin seo, cuirimid teicnící feabhsaithe i láthair don oiliúint chomhsheasmhachta, ina bhfoghlaimíonn samhlacha comhsheasmhachta go díreach ó shonraí gan driogadh. Déanaimid iniúchadh ar an teoiric atá taobh thiar den oiliúint chomhsheasmhachta agus sainaithnímid locht nár tugadh faoi deara roimhe seo, agus tugaimid aghaidh air trí Exponential Moving Average a bhaint den tsamhail chomhsheasmhachta mhúinteora. Chun ionad méadrachtaí foghlamtha cosúil le LPIPS a ghlacadh, úsáidimid caillteanais Pseudo-Huber ó staitisticí láidre. Ina theannta sin, tugaimid sceideal torainn logghnáthaigh isteach don chuspóir oiliúna comhsheasmhachta, agus molaimid líon iomlán na gcéimeanna discréadaithe a dhúbailt gach líon áirithe atriallta oiliúna. In éineacht le tiúnadh níos fearr ar hipearpharaiméadair, cuireann na modhnuithe seo ar chumas samhlacha comhsheasmhachta scóir FID de 2.51 agus 3.25 a bhaint amach ar CIFAR-10 agus ImageNet 64×64 faoi seach in aon chéim shamplála amháin. Léiríonn na scóir seo feabhas 3.5× agus 4× i gcomparáid le cur chuige oiliúna comhsheasmhachta roimhe seo. Trí shampláil dhá chéim, laghdaímid scóir FID tuilleadh go 2.24 agus 2.77 ar an dá thacar sonraí seo, rud a sháraíonn na scóir a fuarthas trí dhriogadh i socruithe aon chéime agus dhá chéim araon, agus a laghdaíonn an bhearna idir samhlacha comhsheasmhachta agus samhlacha giniúna eile den chéad scoth.