从婴儿视角出发的早期词汇学习计算模型
计算机视觉与模式识别
2020-06-05 v1
摘要
人类婴儿具有从本质模糊的经验中学习物体名称与视觉对象之间关联的卓越能力。认知科学和发展心理学的研究者已构建形式模型来实现原理可行的学习算法，随后使用预先筛选和清理的数据集来检验模型在输入数据中发现统计规律的能力。与以往的建模方法相反，本研究使用了在婴儿与父母自然玩玩具时从其身上收集的以自我为中心的视频和注视数据。这使我们能够从学习者自身视角捕捉学习环境。我们随后使用卷积神经网络（CNN）模型处理来自婴儿视角的感官数据，并从零学习名称-对象关联。作为首个采用原始自我中心视频模拟婴儿词汇学习的模型，本研究提供了早期词汇学习问题可利用婴儿学习者感知的真实视觉数据得以解决的原理证明。此外，我们进行了仿真实验来系统性地确定婴儿的感官经验在视觉、感知和注意属性上如何影响词汇学习。
引用
@article{arxiv.2006.02802,
title = {A Computational Model of Early Word Learning from the Infant's Point of View},
author = {Satoshi Tsutsui and Arjun Chandrasekaran and Md Alimoor Reza and David Crandall and Chen Yu},
journal= {arXiv preprint arXiv:2006.02802},
year = {2020}
}
备注
Accepted by Annual Conference of the Cognitive Science Society (CogSci) 2020. (Oral Acceptance Rate = 177/811 = 22%)