基于几何泛化的零样本学习数据集 Infinite World：简洁而强大
机器学习
2018-07-12 v2 机器学习
摘要
瑞文推理矩阵是评估人类受试者流体智力最广泛使用的测试之一。类似地，本文引入基于几何泛化的零样本学习测试，以衡量深度生成模型的快速学习能力与内部一致性。我们对最先进生成模型的实证分析揭示了它们跨类别泛化概念的能力。在此过程中，我们引入了 Infinite World，一个可评估、可扩展、多模态、轻量级的数据集以及零样本智能度量 ZSI。所提出的测试将人类层面的空间与数值推理任务浓缩为其简化的几何形式。该数据集在生成几何图形的数值特征、图像尺寸和数量上可扩展至理论上的无穷极限。我们系统分析了最先进模型的内部一致性，识别其瓶颈，并提出了一种用于少样本和零样本学习的主动优化方法。
引用
@article{arxiv.1807.03711,
title = {Geometric Generalization Based Zero-Shot Learning Dataset Infinite World: Simple Yet Powerful},
author = {Rajesh Chidambaram and Michael Kampffmeyer and Willie Neiswanger and Xiaodan Liang and Thomas Lachmann and Eric Xing},
journal= {arXiv preprint arXiv:1807.03711},
year = {2018}
}