FDSML：生成パラメータを活用した教師ありメトリック学習を提案

Hugging Face Papersに掲載された研究によると、Formula-Driven Supervised Learning (FDSL) は、実画像を使用せずに視覚的事前学習を可能にする。しかし、既存の手法は事前学習を離散化されたラベルによる分類として扱うため、生成プロセスにおける連続性が失われるという課題があった。

これに対し、研究チームはFormula-Driven Supervised Metric Learning (FDSML) を提案した。FDSMLは、離散的なクラスラベルを超え、画像生成パラメータから関係的な教師信号を導出する。この手法は、クラス内の変動を大きくし、より安定した構造を持つ改良されたフラクタルデータセット「FineFractalDB」と、基礎となる反復関数系（IFS）のパラメータ空間における距離に応じてポジティブおよびネガティブを割り当てる「Parameter-Aware Triplet (PA-Triplet) Loss」を組み合わせたものである。なお、本論文はHugging Face Daily Papersにて1件のUpvoteを獲得している。