PHI-S: Балансировка распределения для дистилляции без ярлыков с использованием нескольких учителей.

PHI-S: Distribution Balancing for Label-Free Multi-Teacher Distillation

October 2, 2024

Авторы: Mike Ranzinger, Jon Barker, Greg Heinrich, Pavlo Molchanov, Bryan Catanzaro, Andrew Tao

cs.AI

Аннотация

Различные модели визуальных основ имеют различные преимущества и недостатки, которые можно улучшить с помощью гетерогенной многопреподавательской дистилляции знаний без ярлыков, называемой "агломеративными моделями". Мы продолжаем изучение этой области, изучая влияние статистики активации преподавателей, в частности влияние функции потерь на качество полученной модели ученика. Мы исследуем стандартный набор техник статистической нормализации для лучшего выравнивания различных распределений и оцениваем их эффекты. Кроме того, мы изучаем влияние на метрики соответствия преподавателей вниз по потоку, что мотивирует использование матриц Хадамара. С помощью этих матриц мы демонстрируем полезные свойства, показывая, как их можно использовать для изотропной стандартизации, где каждое измерение многомерного распределения стандартизируется с использованием одной и той же шкалы. Мы называем эту технику "Стандартизацией PHI" (PHI-S) и эмпирически демонстрируем, что она обеспечивает лучшую модель ученика среди рассмотренных методов.

English

Various visual foundation models have distinct strengths and weaknesses, both of which can be improved through heterogeneous multi-teacher knowledge distillation without labels, termed "agglomerative models." We build upon this body of work by studying the effect of the teachers' activation statistics, particularly the impact of the loss function on the resulting student model quality. We explore a standard toolkit of statistical normalization techniques to better align the different distributions and assess their effects. Further, we examine the impact on downstream teacher-matching metrics, which motivates the use of Hadamard matrices. With these matrices, we demonstrate useful properties, showing how they can be used for isotropic standardization, where each dimension of a multivariate distribution is standardized using the same scale. We call this technique "PHI Standardization" (PHI-S) and empirically demonstrate that it produces the best student model across the suite of methods studied.