초타원 이미지 임베딩

컴퓨터 비전 작업인 이미지 분류, 이미지 검색 및 소수 샘플 학습(few-shot learning)은 현재 유클리드 및 구면 임베딩(Euclidean and spherical embeddings)에 의해 주도되고 있어, 클래스 속성이나 유사도의 정도에 대한 최종 결정은 선형 초평면(linear hyperplanes), 유클리드 거리(Euclidean distances) 또는 구면 지오데식 거리(spherical geodesic distances, 코사인 유사도)를 사용하여 이루어지고 있습니다. 본 연구에서는 많은 실용적인 시나리오에서 쌍곡선 임베딩(hyperbolic embeddings)이 더 나은 대안을 제공함을 입증합니다.