CVPRApr, 2024
部分标记多任务学习的联合任务正则化
Joint-Task Regularization for Partially Labeled Multi-Task Learning
Kento Nishi, Junsik Kim, Wanhua Li, Hanspeter Pfister
TL;DR多任务学习中,我们提出了一种名为 JTR 的技术,通过利用任务之间的关联性,在单个联合任务的潜在空间中同时调整所有任务的参数,以提升在数据不完全标记的情况下的学习效果。我们在基于 NYU-v2、Cityscapes 和 Taskonomy 的各种部分标记场景中对我们的方法进行了广泛的基准测试来验证其有效性。