• 我的订阅
  • 科技

美国东北大学提出视频数据增强方法,能让视频模型学到更好的表征

类别:科技 发布时间:2024-05-07 10:12:00 来源:DeepTech深科技

在深度学习的框架之下,各种数据增强方法由于其缓解过拟合的特性,而被广泛使用在模型训练过程中,例如图像的旋转、缩放、颜色的改变等等。

然而,美国东北大学三年级博士生张一天和所在团队发现作为图像色彩的一个重要属性,色调(Hue)的变化却在现今图像识别的训练框架下被忽视。

其中有两个原因:

其一,色调产生的变化会导致图像中被识别对象的外观产生明显的颜色改变,例如北极熊的图像经过色调变化之后可能会看起来更像棕熊,导致模型识别困难。

其二,现有深度学习框架下,针对色调变换这一操作的实现比较低效,导致模型训练过程非常缓慢。

在近期一项研究中,张一天等人重新审视了色调变换这一操作在视频数据这一模态下的作用,并观察到了完全相反的现象,即这种操作能让视频理解模型的性能和泛化性得到提升。

通过进一步地分析其在不同模态数据下(图像/视频)表现差异的原因,他们发现对于视频理解来说,被识别对象的静态外观并不是很重要,有时甚至是有害的。

例如,在视频中一个人拿着足球进行篮球的投篮动作,如果模型仅仅是根据物体的静态外观来理解视频,那么模型可能会因为在视频中识别到足球而错误地认为这个人在踢足球。

因此,该团队认为在视频数据中,更重要的是理解视频传递出的时序信息,例如要去理解投篮这个动作本身,而不是理解球的外观。

由此便可以推断出色调变换在视频理解中产生有效性的原因,即这一操作能够改变视频数据的静态外观,从而让模型学习到基于静态外观不变的表征,进而隐式地鼓励模型更加关注视频数据中的时序信息。

即使如此,直接将现有色调变换的实现加入到训练过程中会有两个问题:

首先,在现有框架之下,这个操作的实现比较低效,会严重拖慢训练进程。

其次,通过色调变换产生的视频,会表现出较为明显的失真,导致数据增强后训练集的分布与真实数据的分布出现偏移,以至于限制模型的性能。

为解决以上问题,课题组提出了一种通过强化模型针对视频数据中动态信息捕捉的数据增强方法。

它由两个部分组成:

第一部分,指的是该团队提出的一种能够实现高效色调变换的方式——SwapMix,即通过对图像通道顺序的随机打乱来模拟色调的变化,并在不同平台上(CPU/GPU)均取得了显著的速度提升。

第二部分,指的是课题组提出了一种解决数据增强所导致的分布偏移的通用型方法——Variation Alignment。

即通过构建由普通样本和增强样本组成的训练对,显式地迫使模型尽可能地产生相似的输出,从而避免让增强样本参与到交叉熵损失的优化过程中,并让模型学习到基于静态外观不变的表征。

总的来说,他们重新审视了色调变换在视频数据下的作用,证明了其在视频理解中的有效性。

与此同时,针对传统色调变换实现中的诸多问题,课题组提出了一个通用且简单的解决方案,从而能够激励模型更多关注于视频的动态信息,以便更好地针对时序信息进行建模。

总结来说,本次方法有以下两点优势:

首先,本次方法的背后思想非常简单和通用,对于视频理解模型本身没有任何要求和任何限制,所以能被轻易加入到不同模型的训练中。

其次,由于色调变换这一操作在大部分之前的工作中都被忽略,所以本次方法能够很好地兼容已有的数据增强方法,并能取得进一步的性能提升。

例如,对于现在比较热门的多模态大模型的研究,本次方法可被用于视频模态编码器的训练中,从而让模型提取更好的关于视频模态的表征。

除此之外,该团队所提出的可用于解决色调变换所导致的分布偏移的方法——Variation Alignment,也是一个能用于不同数据增强方法的通用方案。

具体来说,现有的数据增强方法都或多或少存在分布偏移的问题,而本次方法可以被看作是一个通用工具,因此可被用于不同的数据增强方法之中,解决分布偏移带来的负面影响,进一步地提升模型的性能和泛化能力。

事实上,早在博士一年级张一天就完成了本次工作。当时,他对于视频理解很感兴趣。

后来,他发现这个领域所常用的数据增强方法,无一例外都是来自于图像识别领域,很少有人研究针对视频数据的数据增强方法。

于是,他萌生了探究这个方向的想法,但是当时关于研究动机和背后原因没有想得特别明确。

之后,他重新整理思路,发现色调变换这个操作虽然在图像识别领域被刻意忽视,但是在视频理解领域里有着非常好的效果。

随后,他便在这个小方向做了更加深入的探究,打造出了目前的方法。

“虽然完全放弃了我们之前的方案,等于把这个项目重做一遍,但是因为最终的方法蕴含着着很强的研究动机和分析支撑,所以完成得也算是比较顺利。”张一天说。

最终,相关论文以《不要被外观欺骗:基于时序一致的视频表征》(DON’T JUDGE BY THE LOOK:TOWARDS MOTION COHERENT VIDEO REPRESENTATION)为题发在 ICLR2024[1]。

美国东北大学提出视频数据增强方法,能让视频模型学到更好的表征

图 | 相关论文(来源:arXiv)

张一天担任第一作者和通讯作者。

美国东北大学提出视频数据增强方法,能让视频模型学到更好的表征

图 | 张一天(来源:张一天)

不过,尽管本次方法是一个针对视频模态的数据增强方法,但所研究的本质问题还是如何让模型学习到更好的关于视频的表征。

这和图像识别研究仍然存在一定区别,因为张一天不仅想让模型理解单张图像的内容,同时也想让模型理解视频中时序上的信息和变化。

因此,他在后续研究中将探索如何利用大语言模型的推理能力,来辅助现有模型学习到更好的关于视频的表征,从而提供一个更好的视频编码器,构造一个能力更强、功能更多的多模态大模型。

参考资料:

1.https://arxiv.org/pdf/2403.09506

排版:希幔

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2024-05-07 11:45:09

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

最新美国国家人工智能科学院院士介绍
...,对人工智能领域的进步产生了深远影响。IrinaRish,来自东北大学(NortheasternUniversity)
2024-03-24 08:39:00
Meta提出“可持续思维链”,让大模型在连续潜空间中推理
...阻碍 LLM 的进一步创新。 为了缓解这一问题,来自美国东北大学的研究团队及其合作者推出了 Moxin-7B,它是一个完全开源的 LLM
2024-12-13 09:19:00
科学家竞相破解大型语言模型背后的谜团
...没有利用思维链的推理能力,它只是偷偷加了计算。美国东北大学计算机科学家戴维·鲍表示,尽管以研究人类的方式研究LLM有点奇怪,但两者的行为却以令人惊讶的方式重叠。在过去两年里,
2024-05-18 02:42:00
山东财经大学举办2023大数据与人工智能会议
...Fujita教授,香港科技大学(广州)协理副校长熊辉教授,东北大学工商学院院长蒋忠中教授,华中科技大学图像信息处理与智能控制教育部重点实验室副主任伍冬睿教授,北京航空航天大学
2023-12-13 17:40:00
相约高博会 | 东北师范大学教师教育大模型震撼登场
...学校自研基座大模型基础上,融合百余万课时的优质教学视频、2.3亿条多模态教学数据蒸馏而成,运用多阶段训练方法,采用“参数-向量”双驱动方式和“人在回路”闭环反馈机制,实现复杂
2025-05-24 22:21:00
奇绩创坛2023春季路演日:60个项目,超一半与大模型相关,企服项目占比第二
...杨浩是计算机科学博士,阿里巴巴人工智能实验室和阿里视频云的边缘计算实验室北京团队负责人,华为边缘云创新实验室及慕尼黑云智能实验室首席AI科学顾问。联合创始人Joseph Be
2023-06-06 09:39:00
“3D视频版Sora”来了!
...用途。SV4D技术论文也同步发表,研究团队由Stability AI和东北大学学者组成,其中详细解读了该模型的框架结构
2024-07-26 09:30:00
人工智能产业的未来之星大PK 中国大学生计算机设计大赛落幕
...。你是否想过有朝一日某一位名人“穿越时空”为你发来视频、帮你答疑解惑?重庆财经学院的李天都团队设计的基于声纹驱动图像识别的智慧教育平台或许可以让梦想成真。“我们合并改进了市面
2023-08-12 19:13:00
带着关于美国大学的50个问题,来刁难一下ChatGPT的AI
...找AI!Q13Northeastern University的学费是多少?ChatGPT回答美国东北大学(Northeastern University)的学费根据学生的入学年级和专业不同而有所差别
2022-12-10 12:00:00
更多关于科技的资讯:
10月1日,从太钢获悉,今年以来,太钢不锈进料加工团队以“精准备案、高效协同”为核心,在进料铬铁镍铁资源利用方面取得突破性进展
2025-10-02 17:39:00
厦门网讯(厦门日报记者 林露虹)记者昨日从中国移动咪咕公司获悉,该公司打造的“鼓浪屿AI伴游”服务已正式上线。市民和游客只需打开“鼓浪屿元宇宙”微信小程序
2025-10-02 08:57:00
“中国脑机谷”落户新奥新智感知产业园 政企研协同构建脑机接口产业新生态
河北新闻网讯(张新)9月26日,脑机接口产业联盟首届“脑机接口50人论坛”暨天津脑机接口产业创新发展推进会举办。会上,由新奥集团旗下的天津新智感知科技有限公司
2025-10-01 08:40:00
国网三明供电公司:守护灯火庆华诞 主动运维显担当
国网三明供电公司检修人员及时更换损坏器件并调整传动系统并完成设备修复及全套试验。(纪长添 摄)东南网10月1日讯 9月28日
2025-10-01 09:19:00
9月26日,由华东政法大学与上海星瀚律师事务所联合主办的第三届“星瀚杯”走进企业的法律课公益大赛正式启动。腾讯云作为大赛的技术支持单位
2025-10-01 09:56:00
平望实小承办吴江区骨干教师(数学)讲学团活动
为进一步发挥吴江区骨干教师的示范和辐射作用,推进课堂教学改革,有效提升教师教学业务能力。2025年9月24日,由苏州市吴江区教师发展中心主办的2025年吴江区骨干教师(数学)讲学团活动在平望实验小学举行
2025-10-01 09:58:00
AI技术让抗战文物“活起来”,人民日报数字传播联合百度推抗战文物智能体
9月30日,由人民日报数字传播与中国国家博物馆、中国人民大学、百度文心大模型、百度百科联合出品的《80年,80件》智能体和3D文物词条正式上线
2025-10-01 10:00:00
新时达2025工博会圆满落幕 | STEP 2.0战略引领智能制造新篇章
2025年9月23日至27日,第二十五届中国国际工业博览会在国家会展中心(上海)盛大举行。新时达以"智拓无界 共创未来"为主题
2025-10-01 10:00:00
从课堂到产线,河北工大学子开展智慧物流与“地狼”系统自动化技术实训
河北新闻网讯(胡广涛)组装调试机器人、体验智慧仓储系统、探索自动化技术前沿……近日,河北工业大学人工智能与数据科学学院2022级自动化专业全体学生在廊坊分校
2025-10-01 11:12:00
中国青年报客户端讯(中青报·中青网记者 夏瑾)9月30日,由湖州师范学院音乐学院、湖州市音声数据挖掘与智能服务重点实验室主办的“1617系列明代魏氏乐虚拟乐器音源”全球发布会在浙江省杭州市举办
2025-10-01 14:11:00
“智慧武当”给游客带来数字文旅新体验
十堰广电讯(通讯员 汪伟 周琼 耿宇)“一部手机游武当”预约购票、AI导游、《入境武当》VR大空间、问道武当数字客厅……国庆假日
2025-10-01 18:35:00
津云文旅电商版块上线 首发“笑漾海河”优选线路 扫码阅读手机版
10月1日,天津鹏欣水游城14周年庆暨津云新媒体“笑漾海河”文旅电商线路首发仪式成功举办。近年来,随着“文旅+电商”模式的快速发展
2025-10-01 18:55:00
陕西数字贸易闪耀第四届数贸会 数字贸易合作成果丰硕
9月29日,为期5天的第四届全球数字贸易博览会(以下简称“数贸会”)在浙江杭州大会展中心圆满落下帷幕。此次盛会,陕西代表团表现亮眼
2025-10-01 18:58:00
高德扫街榜国庆提醒:全国十大吃货友好高铁站看这里
2025年国庆节与中秋节叠加,全国铁路预计发送旅客2.19亿人次。赶高铁如何吃饱吃好?今天,高德扫街榜发布“十大吃货友好高铁站”
2025-10-01 20:19:00
能效提升15%,山东港口日照港顺岸式全自动化码头再迎新突破
9月29日,在山东港口日照港全自动化集装箱码头,随着A23自动化轨道吊精准将集装箱吊起、转运,标志着日照港研发的新一代双悬臂轻量化轨道吊投产试运行
2025-10-01 23:08:00