面向视觉抽象推理任务的深度非单调推理
计算机视觉与模式识别
2023-02-15 v1 人工智能
摘要
虽然在许多定义明确的任务上取得了无与伦比的性能，深度学习模型也被用于解决视觉抽象推理任务，这类任务定义相对不明确，并被广泛用于衡量人类智能。然而，当前深度模型难以匹配人类以最少数据、最大泛化解决此类任务的能力。一个局限是，当前深度学习模型以单调方式工作，即本质上以固定顺序处理输入的不同部分，而人们反复观察并推理视觉刺激的不同部分，直到推理过程收敛于一致结论，即非单调推理。本文提出一种解决视觉抽象推理任务的非单调计算方法。具体而言，我们使用该方法实现了一个深度学习模型，并在RAVEN数据集（受瑞文渐进矩阵测验启发的数据集）上进行了测试。结果表明，在代表RAVEN数据集问题困难变体的严格实验设置下，所提方法比现有的单调深度学习模型更有效。
引用
@article{arxiv.2302.07137,
title = {Deep Non-Monotonic Reasoning for Visual Abstract Reasoning Tasks},
author = {Yuan Yang and Deepayan Sanyal and Joel Michelson and James Ainooson and Maithilee Kunda},
journal= {arXiv preprint arXiv:2302.07137},
year = {2023}
}