Rethinking preventing class-collapsing in metric learning
                 with margin-based losses
            Elad Levi1 , Tete Xiao2 , Xiaolong Wang 3 , Trevor Darrell1,2
                   1
                    Nexar, 2 UC Berkeley, 3 UC San Diego

             Abstract                  sual appearance. Pushing all these modes to a single point
                                  in the embedding space requires the network to memorize
  Metric learning seeks perceptual embeddings where vi-     ...