쉬운 것부터가 정답은 아니었다, 듀크대·Adobe PaceShift

커리큘럼 학습은 쉬운 샘플부터 가르치지만 분할(segmentation) 같은 밀집 예측(dense prediction)에서는 쉬운 샘플이 지름길(shortcut)을 노출하고 노이즈 샘플이 학습을 흐립니다. 듀크대·Adobe 연구팀은 같은 예산에서 쉬움→어려움 정렬이 무작위 순서와 다르지 않음을 확인하고 PaceShift를 내놓았습니다. 1단계는 난이도 대신 라벨 신뢰도로 샘플을 고르고, 2단계는 가드된 안티-커리큘럼으로 어려운 뷰에 도전, 평균 3.3~5.3% 상대 향상, 추론 비용은 그대로입니다.