https://arxiv.org/abs/2007.06059
It Is Likely That Your Loss Should be a Likelihood (Mark Hamilton, Evan Shelhamer, William T. Freeman)
종종 나오는 역시 분포의 모든 파라미터(normal likelihood의 분산 파라미터 같은)를 최적화하는 것이 좋지 않을까!? 하는 아이디어. 저자들이 제안하는 장점은 robustness와 calibration. 최근 사례로 기억나는 건...gaussian yolo? https://arxiv.org/abs/1904.04620 #loss