AlignMixup：通过插值对齐特征提升表示能力

Mixup 是一种强大的数据增强方法，它通过在输入空间或特征空间中对两个或多个样本进行插值，并对相应的目标标签进行相应插值，从而生成新的训练样本。近年来，许多 Mixup 方法侧重于将两个或多个物体裁剪并粘贴到同一张图像中，这种做法更偏向于高效处理，而非严格意义上的插值。然而，如何最优地对图像进行插值仍缺乏明确的定义。从这一角度出发，Mixup 与自编码器（autoencoders）产生了联系，因为自编码器通常能够“良好地进行插值”——例如，生成一个能够连续形变为另一张图像的中间图像。在本研究中，我们从插值的视角重新审视 Mixup，并提出 AlignMix 方法，该方法在特征空间中对两幅图像进行几何对齐。通过建立图像间的对应关系，我们能够在保持其中一组特征位置不变的前提下，对两组特征进行插值。有趣的是，这种机制使得 Mixup 生成的结果在很大程度上保留了其中一幅图像的几何结构或姿态，同时融合了另一幅图像的纹理特征，从而与风格迁移（style transfer）任务产生了自然关联。此外，我们进一步证明，即使分类器从未接触过自编码器的解码输出图像，自编码器仍能有效提升表示学习的效果。在五个不同的基准测试中，AlignMix 的性能显著优于当前最先进的 Mixup 方法。