基于潜随机函数的组合式规律解析
计算机视觉与模式识别
2023-02-28 v2 人工智能
机器学习
摘要
人类认知具有组合性。我们通过将场景分解为不同概念（如物体的形状与位置）并学习这些概念各自的规律来理解场景，这些规律可能是自然的（如运动定律）或人为的（如游戏规则）。对这些规律的自动解析标志着模型理解场景的能力，使得规律解析在许多视觉任务中居于核心地位。本文提出一种用于组合式规律解析（CLAP）的深度潜变量模型，其通过编码-解码架构将场景中概念表示为潜变量，从而实现类人的组合能力。CLAP 采用以 Neural Processes 实例化的概念专属潜随机函数以捕捉概念规律。实验结果表明，CLAP 在直观物理、抽象视觉推理与场景表示等多个视觉任务上优于基线方法。规律操控实验通过对样本上特定潜随机函数进行修改，展示了 CLAP 的可解释性。例如，CLAP 从场景中运动的球学习到位置变化与外观恒定规律，从而可在样本间交换规律或将已有规律组合为新规律。
引用
@article{arxiv.2209.09115,
title = {Compositional Law Parsing with Latent Random Functions},
author = {Fan Shi and Bin Li and Xiangyang Xue},
journal= {arXiv preprint arXiv:2209.09115},
year = {2023}
}