スクラッチ学習
既に学習済みのモデルを使わず、初期状態からデータで一から学習すること。最初から作るため、データ量や学習の手間が増えやすい。
たとえば: レシピ本なしで、材料の組み合わせからゼロから料理を試作して完成させるようなもの。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- マルチモーダル模型の「視覚エンコーダ」は何を担っているのかを切り分ける
視覚エンコーダが暗黙に束ねる要素を分解し、同一データと計算量を揃えた統制比較で影響を検証。視覚の事前学習よりも専用の視覚容量と配置が重要だと示唆する。
- 医用画像セグメンテーションで、基盤モデル適応とスクラッチ学習を外部データで比べる
自然画像で事前学習したDINOv2を医用画像へ適応する方法を幅広く比較し、外部施設データでは一貫して汎化が良いことを示す。分布内ではタスク特化モデルも競争力があり、適応に必要な規模やベンチマークの重複問題も指摘した。
