레이블이 드물고 예측이 어려우므로 시계열 데이터로부터 의미 있는 표현을 학습하는 것은 어렵다. 따라서 우리는 시계열 기반 비지도 표현 학습 방법인 부트스트랩 인터–인트라 모달리티를 한 번에 수행하는 BIMO(Bootstrap inter–intra modality at once)를 제안한다. 기존 연구들과 달리, 제안된 BIMO는 음성 페어(negative pairs) 없이 인터-샘플 및 인트라-시간(temporal) 모달리티 표현을 동시에 학습한다. BIMO는 주 네트워크와 두 개의 보조 네트워크, 즉 inter-auxiliary 네트워크 및 intra-auxiliary 네트워크로 구성된다. 주 네트워크는 각 보조 네트워크의 사용을 동적으로 조절함으로써 인터–인트라 모달리티 표현을 순차적으로 학습하도록 훈련된다. 그 결과 BIMO는 인터–인트라 모달리티 표현을 동시에 철저히 학습한다. 실험 결과는 제안된 BIMO 방법이 최신(state-of-the-art) 비지도 방법을 능가하며, 기존의 지도(supervised) 방법들과 비교 가능한 성능을 달성함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.