GMAIR：基于空间注意力与高斯混合的无监督目标检测
计算机视觉与模式识别
2021-06-04 v1
摘要
近期基于空间注意力的无监督目标检测研究已取得可喜成果。诸如 AIR 与 SPAIR 等模型输出分别表示场景中物体属性与位置的“是什么”与“在哪里”潜变量。以往研究多聚焦于“在哪里”的定位性能；然而，我们主张获取“是什么”物体属性对于表示学习同样关键。本文提出一种用于无监督目标检测的框架 GMAIR。它将空间注意力与高斯混合纳入统一的深度生成模型。GMAIR 可在无监督情况下定位场景中物体并同时对其聚类。此外，我们分析了“是什么”潜变量与聚类过程。最后，我们在 MultiMNIST 与 Fruit2D 数据集上评估模型，表明 GMAIR 在定位与聚类上相较最先进方法取得了具竞争力的结果。
引用
@article{arxiv.2106.01722,
title = {GMAIR: Unsupervised Object Detection Based on Spatial Attention and Gaussian Mixture},
author = {Weijin Zhu and Yao Shen and Linfeng Yu and Lizeth Patricia Aguirre Sanchez},
journal= {arXiv preprint arXiv:2106.01722},
year = {2021}
}
备注
15 pages, 5 figures