36、哪些视觉特征会影响目标任务的性能？

哪些视觉特征会影响目标任务的性能？

1. 研究背景与相关工作

在计算机视觉领域，理解哪些视觉特征对目标任务的性能有影响是一个重要的研究方向。我们提出了遗忘视觉探测（Amnesic Visual Probing，AVP）方法，用于分析哪些视觉特征会影响目标任务的性能，同时应用马尔（Marr）的视觉计算理论来检查视觉表示中的偏差。

相关工作主要涉及两个研究领域：自监督学习和探测任务。
- 自监督图像表示 ：自监督方式获得的图像表示越来越受欢迎，因为与有监督方法相比，它们能利用无标签注释的数据集。以下是几种常见的自监督学习方法：
- MoCo v1 ：基于将字典视为数据样本队列的方式，包含查询和键的两个编码器，通过对比损失进行匹配，队列允许使用以前受限于批量大小的大量示例字典。
- SimCLR v2 ：在其前身SimCLR的基础上构建，通过对比损失最大化同一样本的两个视图之间的一致性。使用更深更窄的骨干网络（ResNet - 152 3x），加深投影头，且在对比训练后不删除，还采用了MoCo的记忆机制来增加负样本池。
- SwAV ：利用对比方法，但比较数据簇而不是单个示例。通过学习从一个视图预测另一个视图来增强簇之间的一致性。
- BYOL ：不使用明确定义的对比损失函数，因此不需要负样本。使用在线和目标两个神经网络，相互交互学习同一图像的表示。
- 探测任务 ：最初来自自然语言处理（NLP），目标是发现神经网络表示中