动态度量学习：迈向可扩展度量空间以适应多种语义尺度

本文首次将现实世界度量工具中的一个基础特性——动态范围（dynamic range）引入深度视觉识别领域。在度量学中，动态范围是度量工具的基本质量指标，用以表征其对不同尺度的适应能力，动态范围越大，灵活性越高。在视觉识别任务中，多尺度问题同样存在：不同的视觉概念可能对应不同的语义尺度。例如，“动物”和“植物”具有较大的语义尺度，而“驼鹿”（Elk）的语义尺度则要小得多。在较小的语义尺度下，两只不同的驼鹿可能看起来差异显著；然而在较大的语义尺度下（如“动物”与“植物”之间），这两只驼鹿应被视为具有相似性。我们认为，这种跨尺度的灵活性对于深度度量学习同样至关重要，因为不同的视觉概念确实对应着不同的语义尺度。基于上述思想，我们将动态范围引入深度度量学习，提出了一项全新的计算机视觉任务——动态度量学习（Dynamic Metric Learning）。该任务旨在学习一个可扩展的度量空间，以适应跨越多个语义尺度的视觉概念。为此，我们基于三类图像数据——车辆、动物以及在线商品，构建了三个面向动态度量学习的数据集。我们采用主流的深度度量学习方法对这些数据集进行了基准测试，结果表明，动态度量学习任务极具挑战性。其主要难点在于不同尺度之间的内在冲突：在小尺度下具备强区分能力的模型，往往在大尺度下性能下降，反之亦然。作为次要贡献，我们提出了一种跨尺度学习（Cross-Scale Learning, CSL）方法，以缓解这一尺度冲突问题。实验结果表明，CSL在所有三个数据集上均能稳定提升基线模型的性能。相关数据集与代码将公开发布于：https://github.com/SupetZYK/DynamicMetricLearning。