基向量度量：一种鲁棒的开放式状态变化检测方法

我们测试了一种新方法，将其缩写为 BVM（基向量法），该方法通过语言嵌入来判断图像中的状态变化。我们使用包含约 53,000 张图像的 MIT-States 数据集来收集所有数据，该数据集包含 225 个名词和 115 个形容词，每个名词约有 9 个不同的形容词，形成约 1000 个名词-形容词对。在第一个实验中，我们分别测试了该方法针对每个名词类别判断其状态的能力，并与其他度量方法进行比较。这些度量方法包括余弦相似度、点积、乘积量化、二进制索引、朴素贝叶斯和一个自定义神经网络。在这些度量方法中，我们发现我们提出的 BVM 在为每个名词分类状态时表现最佳。随后我们进行了第二个实验，尝试使用 BVM 来判断它是否能够针对每个形容词分别区分不同的形容词。我们将 BVM 区分形容词的能力与 MIT-States 论文中提出的方法——使用逻辑回归模型——进行了比较。最终，我们没有找到确凿证据表明我们的 BVM 度量在辨别形容词方面优于逻辑回归模型。然而，我们找到了可能改进我们方法的证据；这为通过改变我们的某些方法论来提高方法准确率提供了可能。