复杂纹理存在下用于以对象为中心表示的归纳偏置
计算机视觉与模式识别
2022-08-16 v3 机器学习
摘要
理解哪些归纳偏置有助于自然场景以对象为中心表示的无监督学习是具有挑战性的。本文中，我们系统性地考察了两个模型在经神经风格迁移获得具有复杂纹理对象同时保留真实标注的数据集上的表现。我们发现，通过使用单一模块重建每个对象的形状与视觉外观，模型学到了更有用的表示并实现了更好的对象分离。此外，我们观察到调整潜空间大小不足以改善分割性能。最后，表示的下游有用性与分割质量的相关性显著强于与重建精度的相关性。
引用
@article{arxiv.2204.08479,
title = {Inductive Biases for Object-Centric Representations in the Presence of Complex Textures},
author = {Samuele Papa and Ole Winther and Andrea Dittadi},
journal= {arXiv preprint arXiv:2204.08479},
year = {2022}
}
备注
UAI 2022 workshop on Causal Representation Learning