场景图模型的对抗自适应用于理解市政问题
人工智能
2019-01-30 v1 计算机视觉与模式识别
计算机与社会
摘要
公民参与和技术使用是智慧城市倡议推动的两大新兴趋势。世界各国政府正在采用技术以加快市政问题的处理。通常，公民通过网页门户和移动应用报告诸如道路破损、垃圾堆积等问题，以便政府当局采取适当行动。报告这些问题使用了多种媒介——文本、图像、音频、视频。通过对 13 名公民和 3 名当局者的用户研究，我们发现图像是报告市政问题的首选媒介。然而，分析市政问题相关图像对当局而言具有挑战性，因其需要人工投入。此外，以往工作仅限于从图像中识别特定的一组问题。本工作中，给定一幅图像，我们提出生成一幅市政问题图（Civic Issue Graph），由一组对象及其间的语义关系构成，用以表征潜在的市政问题。我们还发布了两个多模态（文本与图像）数据集，可助于从图像中对市政问题作进一步分析。我们提出了一种对现有场景图模型进行对抗训练的新方法，使得在缺乏任何标注训练数据的情况下，能将场景图用于新应用。我们进行了若干实验以分析该方法的有效性，并通过人工评估确立了我们的模型在表征不同市政问题上的适用性。
引用
@article{arxiv.1901.10124,
title = {Adversarial Adaptation of Scene Graph Models for Understanding Civic Issues},
author = {Shanu Kumar and Shubham Atreja and Anjali Singh and Mohit Jain},
journal= {arXiv preprint arXiv:1901.10124},
year = {2019}
}
备注
Accepted at WWW'19