交互式解耦：通过与原型表征交互学习概念
计算机视觉与模式识别
2022-03-30 v2 机器学习
摘要
从无强监督的原始图像中学习视觉概念是一项具有挑战性的任务。在本工作中，我们展示了原型表征在理解与修正神经概念学习器潜空间方面的优势。为此，我们引入了交互式概念交换网络（iCSNs），一种通过弱监督与隐式原型表征学习概念接地表征的新框架。iCSNs 通过交换成对图像的潜表征，学习将概念信息绑定到特定原型槽位。这一语义接地且离散的潜空间促进了人类理解与人机交互。我们通过在新型数据集“基本概念推理”（ECR）上开展实验支持了上述主张，实验聚焦于几何对象共享的视觉概念。
引用
@article{arxiv.2112.02290,
title = {Interactive Disentanglement: Learning Concepts by Interacting with their Prototype Representations},
author = {Wolfgang Stammer and Marius Memmel and Patrick Schramowski and Kristian Kersting},
journal= {arXiv preprint arXiv:2112.02290},
year = {2022}
}
备注
To be published in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022