【对比学习】Understanding the Behaviour of Contrastive Loss (CVPR‘21)

Understanding the Behaviour of Contrastive Loss (CVPR’21)

Contrastive Loss中的温度系数 $\tau$ 是个关键参数，大部分论文都把 $\tau$ 设置为一个小数字，这篇文章从分析温度参数 $\tau$ 出发，分析出：

• 对比损失实际上可以自动挖掘出难负样本，因此可以学习出高质量的自监督表征。具体地，对于已经远离的负样本，不需要让其继续远离；主要聚焦于没有远离的负样本（难负样本），从而使得表示空间更均匀（和下面那个红圈圈图差不多意思）。
• 温度系数 $\tau$ 可以控制挖掘负样本的程度，$\tau$ 越小越关注难负样本。

Hardness-Awareness

广泛使用的对比损失函数是InfoNCE：
$$\mathcal{L}\left(x_i\right)=-\log \left[\frac{\exp \left(s_{i,i}/\tau \right)}{{\sum }_{k\ne i}\exp \left(s_{i,k}/\tau \right)+\exp \left(s_{i,i}/\tau \right)}\right]$$
该损失函数要求第 i 个样本和它另一个扩增的（正）样本之间的相似度 $s_{i,i}$ 之间尽可能大，而与其它实例（负样本）之间的相似度 $s_{i,k}$ 之间尽可能小。但是满足这一条件的损失函数很多，比如一个最简单的函数 ${\mathcal{L}}_{\text{simple }}$：
$${\mathcal{L}}_{\text{simple }}\left(x_i\right)=-s_{i,i}+\lambda \sum _{i\ne j}{s}_{i,j}$$
但这两个损失函数的训练效果差很多：

这是因为Simple Loss对所有的负样本相似度给予了相同权重的惩罚：$\frac{\partial L_{\text{simple }}}{\partial s_{i,k}}=\lambda$，即损失函数对所有负样本的相似度的梯度是相等的。但是在Contrastive Loss中，会自动给相似度更高的负样本更高的惩罚：
$$\begin{gathered} \text{ 对正样本的梯度 : }\frac{\partial \mathcal{L}\left(x_i\right)}{\partial s_{i,i}}=-\frac{1}{\tau }\sum _{k\ne i}{P}_{i,k} \\ \text{ 对负样本的梯度 : }\frac{\partial \mathcal{L}\left(x_i\right)}{\partial s_{i,j}}=\frac{1}{\tau }{P}_{i,j}\propto s_{i,j} \end{gathered}$$
其中$P_{i,j}=\frac{\exp \left(s_{i,j/}\tau \right)}{{\sum }_{k\ne i}\exp \left(s_{i,k}/\tau \right)+\exp \left(s_{i,i}/\tau \right)}$，对于所有负样本，$P_{i,j}$的分母是相同的，所以$s_{i,j}$越大，负样本的梯度项也越大，也就给予了负样本更大远离该样本的梯度。（可以理解为focal loss，越难梯度越大）。从而鼓励所有样本均匀的分布在一个超球面上。

为了验证真的Contrastive Loss真的是因为能够挖掘难负样本的特性，文章显示的额外选取一些困难样本用在Simple Loss上（为每个样本选取4096个难负样本），性能大大提升：

温度系数$\tau$控制程度

温度系数$\tau$越小，损失函数越关注难负样本，特别地：

当$\tau$趋近于0时，Contrastive Loss退化成只关注最难的样本：
$$\underset{\tau \to 0^{+}}{\lim }\frac{1}{\tau }\max \left[s_{\max }-s_{i,i},0\right]$$
这意味着将挨个把每个负样本推到离自己相同的距离：

当$\tau$趋近于无穷大时，Contrastive Loss几乎退化成Simple Loss，对所有负样本的权重相同。

所以温度系数$\tau$越小，样本特征的分布越均匀，但这也不是好事，因为潜在正样本（False Negative）也被推走了：