生成式分类器的有趣特性
计算机视觉与模式识别
2024-02-15 v2 人工智能
机器学习
神经元与认知
机器学习
摘要
识别物体的最佳范式是什么——判别式推断(快速但易陷于捷径学习)还是使用生成式模型(缓慢但可能更鲁棒)？我们基于近期将文本到图像模型转化为分类器的生成建模进展展开研究。这使我们能够考察其行为，并与判别式模型及人类心理物理数据进行比较。我们报告了生成式分类器四个有趣的涌现特性：它们展现出破纪录的类人形状偏置(Imagen达99%)、接近人类水平的分布外准确率、与人类分类错误的最优对齐，以及它们能理解某些感知错觉。我们的结果表明，尽管当前对人类物体识别建模的主导范式是判别式推断，但零样本生成式模型出奇地很好地近似了人类物体识别数据。
引用
@article{arxiv.2309.16779,
title = {Intriguing properties of generative classifiers},
author = {Priyank Jaini and Kevin Clark and Robert Geirhos},
journal= {arXiv preprint arXiv:2309.16779},
year = {2024}
}
备注
ICLR 2024 Spotlight