像人一样偏置：一种面向场景图生成的认知偏置框架
计算机视觉与模式识别
2022-03-18 v1
摘要
场景图生成是一项复杂任务，因为不存在特定的识别模式（例如，“looking at”与“near”在视觉上无显著差异，而“near”可出现在形态不同的实体之间）。因此，一些场景图生成方法受易变的视觉特征与琐碎的数据集标注影响，陷入了最频繁关系预测的困境。为此，近期工作强调“无偏”方法以平衡预测，从而生成信息更丰富的场景图。然而，人类对于众多物体间关系的快速准确判断应归因于“偏置”（即经验与语言知识）而非纯视觉。为增强模型能力，受“认知偏置”机制启发，我们提出一种新颖的三范式框架，模拟人类如何将标签语言特征作为基于视觉表示的引导，以更好地挖掘隐藏关系模式并缓解噪声视觉传播。我们的框架对任意场景图模型均为模型无关。综合实验证明，我们的框架以最小参数增量在多项指标上优于基线模块，并在 Visual Genome 数据集上取得新的 SOTA 性能。
引用
@article{arxiv.2203.09160,
title = {Biasing Like Human: A Cognitive Bias Framework for Scene Graph Generation},
author = {Xiaoguang Chang and Teng Wang and Changyin Sun and Wenzhe Cai},
journal= {arXiv preprint arXiv:2203.09160},
year = {2022}
}