顾问网络:学习人机协同视点估计中该问何种问题
计算机视觉与模式识别
2018-10-26 v3
摘要
人类拥有无与伦比的视觉智能,并能克服机器目前无法应对的视觉模糊性。近期工作表明,在推理过程中引入人类指导以进行单目视点估计,可帮助克服计算机单独处理会失败的困难情形。因此这类混合智能方法正获得关注。然而,在推理时该向人类提出什么问题对这些问题而言仍属未知。我们通过将其表述为顾问问题(Adviser Problem)来解决此问题:我们能否学习从输入到特定人类提问的映射,以最大化对整体任务的预期正向影响?我们利用一个深度网络为视点估计的顾问问题构造解法,其中问题询问输入图像中一个关键点的位置。我们展示,通过使用顾问网络的建议,模型与人类的组合表现超越先前混合智能最优结果 3.7%,并绝对超越纯计算机最优结果 5.28%。
引用
@article{arxiv.1802.01666,
title = {Adviser Networks: Learning What Question to Ask for Human-In-The-Loop Viewpoint Estimation},
author = {Mohamed El Banani and Jason J. Corso},
journal= {arXiv preprint arXiv:1802.01666},
year = {2018}
}
备注
15 pages, 3 figures. Updated Acknowledgment