Wie man sein energiebasiertes Modell für Regression trainiert

Energiebasierte Modelle (Energy-based Models, EBMs) sind in den letzten Jahren innerhalb der Computer Vision zunehmend populär geworden. Während sie üblicherweise für die generative Bildmodellierung eingesetzt werden, hat jüngste Forschung gezeigt, dass EBMs auch für Regressionsaufgaben genutzt werden können und dabei Zustand-des-Kunst-Leistungen bei Objektdetektion und visueller Verfolgung erzielen. Das Training von EBMs gilt jedoch als herausfordernd. Obwohl eine Vielzahl unterschiedlicher Techniken für die generative Modellierung erforscht wurde, ist die Anwendung von EBMs auf Regressionsaufgaben bisher wenig untersucht. Daher ist derzeit unklar, wie EBMs optimal für eine bestmögliche Regressionsleistung trainiert werden sollten. Wir übernehmen daher die Aufgabe, die erste detaillierte Studie zu diesem Problem vorzulegen. Dazu schlagen wir eine einfache, jedoch äußerst wirksame Erweiterung der Noise Contrastive Estimation vor und vergleichen ihre Leistung sorgfältig mit sechs gängigen Methoden aus der Literatur anhand der Aufgaben 1D-Regression und Objektdetektion. Die Ergebnisse dieser Analyse deuten darauf hin, dass unsere Trainingsmethode als Standardansatz betrachtet werden sollte. Zudem wenden wir unsere Methode auf die Aufgabe der visuellen Verfolgung an und erreichen Zustand-des-Kunst-Leistungen auf fünf Datensätzen. Insbesondere erreicht unser Tracker eine AUC von 63,7 % auf LaSOT und eine Success-Rate von 78,7 % auf TrackingNet. Der Quellcode ist unter https://github.com/fregu856/ebms_regression verfügbar.