众包中深度鲁棒主观视觉属性预测
计算机视觉与模式识别
2019-03-12 v1
摘要
估计图像的主观视觉属性（SVP，例如“鞋A比鞋B更舒适”）这一问题正受到越来越多的关注。由于其高度主观的特性，不同标注者在采用绝对值测试时往往对尺度有不同的理解。因此，近期研究转向通过众包平台收集成对比较。然而，众包数据通常包含离群值。为此，需要开发一个鲁棒模型，用于从众包噪声标注中学习SVP。本文构建了一个深度SVP预测模型，该模型不仅能更好地检测标注离群值，还能在极度稀疏标注下进行学习。具体而言，我们基于收集的标注构建了一个比较多图，其中不同的标注结果对应于两个顶点之间不同方向的边。然后，我们提出了一个广义深度概率框架，该框架由一个SVP预测模块和一个离群值建模模块组成，二者协同工作并联合优化。在多个基准数据集上的大量实验表明，我们的新方法能够保证有前景的结果。
引用
@article{arxiv.1903.03956,
title = {Deep Robust Subjective Visual Property Prediction in Crowdsourcing},
author = {Qianqian Xu and Zhiyong Yang and Yangbangyan Jiang and Xiaochun Cao and Qingming Huang and Yuan Yao},
journal= {arXiv preprint arXiv:1903.03956},
year = {2019}
}
备注
9 pages, accepted by CVPR 2019 (Poster)