Visual Chirality，大家不妨从数据增强技术的角度来理解

三个要点
✔️提出了数据增强的新概念 
✔️️识别人类未曾注意到的左右反转现象
✔️基于这一特性的扩展可望进一步提高准确性

Visual Chirality
written by Zhiqiu Lin, Jin Sun, Abe Davis, Noah Snavely
(Submitted on 16 Jun 2020)
Comments: Published by CVPR2020
Subjects: Computer Vision and Pattern Recognition (cs.CV)

介绍

左右翻转的数据扩容是一种很常见的数据扩容方法，有些人可能一直在使用，没有注意。在读到这篇论文之前，我一直都很理所当然地使用它。作者认识到了图像左右翻转的原理和引起的变化，但并不清楚左右翻转在图像的统计数据中引起了什么样的变化。的确，下面这张图的左右颠倒，是大家的东西因为我们知道原理，所以才会逆转。你可以想象一下这个画面。很多人还认为，图像的统计会从左到右倒置。作者很容易地回答了这些问题，他们的我们提出了一种量化视觉奇异性的方法。首先是：我们来看看什么是视觉奇幻性。

加藤

AI-SCHOLAR是一个评论媒体，以通俗易懂的方式介绍关于AI（人工智能）的最新文章。 人工智能的作用不仅限于技术创新，日本的科研能力正在下降，政府也在不断削减研究预算。 向世界传达人工智能的技术、应用以及支持人工智能的基础科学的背景，是一个重要的外延，可以极大地影响社会对科学的理解和印象。 AI-SCHOLAR旨在帮助消除普通民众和专家之间对人工智能的理解差距，为人工智能融入社会做出贡献。 另外，我们希望帮助大家把自己的学习和研究经验在媒体上体现出来，在社会上表达出来。 任何人都可以用艰深的词汇来解释高深难懂的事情，但AI-SCHOLAR追求的是"可读性"和"可理解性"，充分利用词汇和设计来传递信息，以此为媒介。