基于元类比对比学习的少样本视觉推理
机器学习
2020-07-24 v1 人工智能
机器学习
摘要
人类可以通过观察少量样本解决需要逻辑推理的视觉谜题，而最先进的深度推理模型要在相同任务上获得类似性能则需要大量数据训练。本文通过借助类比推理（人类识别两组之间结构或关系相似性的独特能力）来解决此类少样本（或低样本）视觉推理问题。具体而言，给定包含相同类型视觉推理问题的训练集和测试集，我们提取两个域中元素之间的结构关系，并通过类比学习使其尽可能相似。我们反复应用此过程，对同一问题的查询稍作修改，假设这不会影响训练样本和测试样本之间的关系。这使得即使只有一对样本，也能有效学习两个样本之间的关系相似性。我们在RAVEN数据集上验证了该方法，其性能优于现有最先进方法，且在训练数据稀缺时增益更大。我们进一步在具有不同属性的相同任务上元学习我们的类比对比学习模型，并证明它能泛化到具有未见属性的相同视觉推理问题。
引用
@article{arxiv.2007.12020,
title = {Few-shot Visual Reasoning with Meta-analogical Contrastive Learning},
author = {Youngsung Kim and Jinwoo Shin and Eunho Yang and Sung Ju Hwang},
journal= {arXiv preprint arXiv:2007.12020},
year = {2020}
}