Long Tail Learning
メソドロジーとは、研究や問題解決に採用される体系的な方法や手順のことを指します。その目的は、科学的かつ標準化されたプロセスを通じて研究の正確性と信頼性を確保し、問題解決の効率と質を向上させることです。さまざまな分野で、メソドロジーの応用価値は特に顕著であり、研究者にとって研究方向を明確にするだけでなく、プロジェクト実施のための標準的な操作ガイドも提供し、学際的な協力と成果の共有を促進します。
CelebA-5
OPeN (WideResNet-28-10)
CIFAR-10-LT (ρ=10)
TADE
CIFAR-10-LT (ρ=100)
GLMC+MaxNorm (ResNet-34, channel x4)
CIFAR-10-LT (ρ=200)
CIFAR-10-LT (ρ=50)
GLMC + SAM
CIFAR-100-LT (ρ=10)
TADE
CIFAR-100-LT (ρ=100)
LIFT (ViT-B/16, ImageNet-21K pre-training)
CIFAR-100-LT (ρ=200)
PaCo + SAM
CIFAR-100-LT (ρ=50)
LTR-weight-balancing
COCO-MLT
LMPT(ViT-B/16)
EGTEA
CDB-loss (3D- ResNeXt101)
ImageNet-GLT
RIDE + IFL
ImageNet-LT
VL-LTR (ViT-B-16)
iNaturalist 2018
LIFT (ViT-L/14@336px)
Lot-insts
Character-BERT+RS
MIMIC-CXR-LT
Decoupling (cRT)
mini-ImageNet-LT
TailCalibX
NIH-CXR-LT
Places-LT
VOC-MLT