向无监督算法注入知识以识别意图
计算机视觉与模式识别
2020-11-13 v1
摘要
在计算机视觉的视觉问题中，包括物体识别（尤其是细粒度类别）、分割以及从二维视图进行三维物体重建，算法的性能已接近或超越人类。然而，人类能够进行更高层次的图像分析。一个涉及心智理论（theory of mind）的明显例子是，我们能够判断所感知到的行为或动作是否是有意执行的。在本文中，我们利用自驱动运动、牛顿运动及其关系的知识，推导出一种算法，该算法能够基于场景中智能体的三维运动学推断其行为是有意还是无意的。我们展示了这一基础知识的加入如何催生一个简洁的无监督算法。为测试所推导的算法，我们构建了三个专用数据集，从抽象几何动画到智能体执行有意与无意动作的真实视频。在这些数据集上的实验表明，即便没有训练数据，我们的算法也能识别动作是否有意；其性能在定量上与多种有监督基线相当，在定性上能得到合理的意图性分割。
引用
@article{arxiv.2011.06219,
title = {Adding Knowledge to Unsupervised Algorithms for the Recognition of Intent},
author = {Stuart Synakowski and Qianli Feng and Aleix Martinez},
journal= {arXiv preprint arXiv:2011.06219},
year = {2020}
}
备注
This is a pre-print of an article published in International Journal of Computer Vision. The final authenticated version is available online at: https://doi.org/10.1007/s11263-020-01404-0