通过寄存器槽位和对比对齐提高对象中心化扩散学习
计算机视觉与模式识别
2026-02-20 v2 人工智能
摘要
Slot Attention（SA）配合预训练扩散模型最近在对象中心化学习（OCL）中显示出前景景趣，但存在槽位纠缠和对象槽位与图像内容对齐较弱的问题。我们提出对比对象中心化扩散对齐（CODA），是一个简单而有效的扩展方案：（1）采用寄存器槽位吸收残余注意力，减少对象槽位之间的干扰；（2）应用对比对齐损失，显式鼓励槽位与图像内容的对应关系。 resulting training objective serves as a tractable surrogate for maximizing mutual information (MI) between slots and inputs, strengthening slot representation quality. 在合成数据集（MOVi-C/E）和真实世界数据集（VOC、COCO）上，CODA 在对象发现（如在 COCO 上 FG-ARI 提升 6.1%）、属性预测和组合图像生成方面均优于强基准。寄存器槽位仅增加极少的计算开销，保持 CODA 的高效和可扩展性。这些结果表明 CODA 作为一种可靠的框架，具有潜在应用于复杂真实场景中实现稳健对象中心化学习的前景。代码和预训练模型已提供：https://github.com/sony/coda
关键词
引用
@article{arxiv.2601.01224,
title = {Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment},
author = {Bac Nguyen and Yuhta Takida and Naoki Murata and Chieh-Hsin Lai and Toshimitsu Uesaka and Stefano Ermon and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2601.01224},
year = {2026}
}
备注
Accepted at ICLR 2026