Taskonomy：解耦视觉任务迁移学习

Taskonomy 提出一种全计算化方法，通过在 26 个 2D、2.5D、3D 和语义任务间寻找一阶及高阶迁移学习依赖，构建视觉任务迁移学习的分类图谱。该研究显示，联合求解 10 个任务所需的标注数据量可比独立训练减少约 2/3，同时性能几乎不变，并提供求解器帮助用户设计高效监督策略。该论文获 CVPR 2018 最佳论文奖。