分组离散表示用于以对象为中心的学习
计算机视觉与模式识别
2025-11-11 v3 机器学习
摘要
以对象为中心的学习（OCL）旨在通过重构输入来发现图像或视频中的对象。代表性方法通过重构输入为其变分自编码器（VAE）离散表示来实现这一点，这些表示抑制了（超）像素噪声并增强了对象可分离性。然而，这些方法将特征视为不可分割的单元，忽略了其组合属性，并通过标量编码索引对特征进行离散化，丢失了属性级别的相似性与差异。我们提出了用于OCL的分组离散表示（GDR）。为了更好的泛化，特征通过有组织的通道分组被分解为组合属性。为了更好的收敛，特征通过元组编码索引被量化为离散表示。实验表明，GDR在各种数据集上一致改进了主流和最先进的OCL方法。可视化进一步突出了GDR在对象可分离性和可解释性方面的优越性。源代码可在 https://github.com/Genera1Z/GroupedDiscreteRepresentation 获取。
引用
@article{arxiv.2411.02299,
title = {Grouped Discrete Representation for Object-Centric Learning},
author = {Rongzhen Zhao and Vivienne Wang and Juho Kannala and Joni Pajarinen},
journal= {arXiv preprint arXiv:2411.02299},
year = {2025}
}
备注
Accepted to ECML-PKDD 2025