XceptionはInceptionの仮説を論理的極限まで推し進め、チャネル間および空間相関を完全に分離された操作に分離し、それが普及させた深さ方向分離可能畳み込みはモバイルビジョンバックボーンから音声エンコーダーまであらゆる場所に登場しています。このロングフォームレビューはアーキテクチャを端から端まで説明し、なぜこのような方法で畳み込みを因数分解することが単なるパラメーター効率だけでなく、データの相関をモデル化する本質的に異なる方法なのかを示しています。

このディスカッションでは、InceptionからXceptionへの進化、深さ方向分離可能畳み込みの背後にある数学と直感、パラメーター効率化の議論、およびXceptionをImageNetスケールマップに配置した実験結果をカバーしています。音声エンジニアにとって、同じプリミティブはConformer、Branchformer、および現在出荷されているほとんどの効率的なASRエンコーダー内に表示されるため、深く理解することは画像分類をはるかに超えた配当をもたらします。ロングレビューはまた、なぜ極端なInceptionの仮説が経験的に実際に成立するのか、そしてどこでそれが崩れると予想されるかについて時間を費やしています。エレベーターピッチではなく徹底的なバージョンをお望みでしたら、午後の適切な時間をかけてフォーカスできるときにキューに入れるべきはこれです。