面向广义零样本学习的域感知视觉偏置消除
计算机视觉与模式识别
2020-04-13 v2
摘要
近期的方法专注于学习统一的语义对齐视觉表示以在两个域之间迁移知识，同时忽略了无语义视觉表示在缓解偏置识别问题中的作用。在本文中，我们提出一种新颖的域感知视觉偏置消除（DVBE）网络，其构建两种互补的视觉表示，即无语义和语义对齐，以分别处理已见和未见域。具体而言，我们探索交叉注意力二阶视觉统计以压缩无语义表示，并设计自适应间隔 Softmax 以最大化类间差异。因此，无语义表示变得足够具有判别性，不仅能准确预测已见类，还能基于预测的类熵过滤出未见图像，即域检测。对于未见图像，我们自动搜索最优的语义-视觉对齐架构，而非人工设计，以预测未见类。借助准确的域检测，朝向已见域的偏置识别问题被显著减轻。在五个用于分类和分割的基准上的实验表明，DVBE 以平均 5.7% 的提升优于现有方法。
引用
@article{arxiv.2003.13261,
title = {Domain-aware Visual Bias Eliminating for Generalized Zero-Shot Learning},
author = {Shaobo Min and Hantao Yao and Hongtao Xie and Chaoqun Wang and Zheng-Jun Zha and Yongdong Zhang},
journal= {arXiv preprint arXiv:2003.13261},
year = {2020}
}
备注
Accepted by CVPR2020