基于锚定的以对象为中心的学习
机器学习
2024-01-26 v2 人工智能
计算机视觉与模式识别
摘要
为下游任务提取模块化以对象为中心的表征是一个新兴研究领域。学习保证稳定且不变的基于锚定的对象表征有望在不同任务和环境中的鲁棒性能。Slot Attention（SA）通过将对象分配给槽（slots）来学习以对象为中心的表征，但假定一个所有槽都从中随机初始化的单一分布。这导致无法学习绑定到特定对象类型且对保持身份的对象外观变化保持不变的专门化槽。为此，我们提出受向量量化启发、采用新颖的基于锚定的槽字典（GSD）概念的条件槽注意力（CoSA）。我们提出的GSD包含（i）规范对象级属性向量和（ii）参数化高斯分布，其定义了槽上的先验。我们在场景生成、组合和任务适配等多个下游任务中展示了方法的优势，同时在流行的对象发现基准上保持与SA的竞争力。
引用
@article{arxiv.2307.09437,
title = {Grounded Object Centric Learning},
author = {Avinash Kori and Francesco Locatello and Fabio De Sousa Ribeiro and Francesca Toni and Ben Glocker},
journal= {arXiv preprint arXiv:2307.09437},
year = {2024}
}