GenVP：基于对比层次 VAE 的生成视觉谜题
人工智能
2025-04-01 v1 计算机视觉与模式识别
摘要
Raven's Progressive Matrices (RPMs) 是一个旨�检验高级抽象视觉推理能力的已建立基准。尽管当前算法在解决此任务方面取得了成功，但人类能够超越给定谜题，根据一组规则创建新的谜题，而机器仍被限制在解决来自精选选项列表中固定谜题。我们提出生成式视觉谜题框架 (GenVP)，以建模整个 RPM 生成过程，这是一个更具挑战性的任务。我们的模型能力范围从为特定问题提示生成多个解决方案到创建完全新的谜题。实验表明，GenVP 在五个不同数据集上在拼图解决准确率和22种不同分布外 (OOD) 场景下的 OOD 泛化方面实现了最先进 (SOTA) 水平。与 SOTA 生成方法相比，后者在可行解空间扩大时难以解决 RPMs，而 GenVP 能高效泛化到这些具有挑战性的情境。此外，我们的模型展示了能够通过有效捕获抽象规则与视觉对象属性之间的关系，给定一组抽象规则即可生成广泛的完整 RPMs。
关键词
引用
@article{arxiv.2503.23598,
title = {GenVP: Generating Visual Puzzles with Contrastive Hierarchical VAEs},
author = {Kalliopi Basioti and Pritish Sahu and Qingze Tony Liu and Zihao Xu and Hao Wang and Vladimir Pavlovic},
journal= {arXiv preprint arXiv:2503.23598},
year = {2025}
}
备注
Accepted to ICLR 2025