KG-SP：面向开放世界组合零样本学习的知识引导简单基元
计算机视觉与模式识别
2022-05-16 v1
摘要
开放世界组合零样本学习（OW-CZSL）的目标是在图像中识别状态和物体的组合，仅在训练时给定其中一部分且对未见组合无先验。在此设定下，模型在一个包含所有可能状态-物体组合的巨大输出空间上运作。先前工作通过联合学习组合嵌入来解决该问题，而本文重新审视简单的 CZSL 基线并独立预测基元，即状态和物体。为确保模型发展出基元特定的特征，我们为状态和物体分类器配备独立、非线性的特征提取器。此外，我们通过外部知识估计每个组合的可行性，利用该先验从输出空间中移除不可行组合。最后，我们提出一个新设定，即部分监督下的 CZSL（pCZSL），其中训练时仅可用物体或状态标签之一，我们可利用先验估计缺失标签。我们的模型，知识引导简单基元（KG-SP），在 OW-CZSL 和 pCZSL 中均达到最先进水平，即使与半监督学习技术结合时也超越近期大多数竞争者。代码见：https://github.com/ExplainableML/KG-SP。
引用
@article{arxiv.2205.06784,
title = {KG-SP: Knowledge Guided Simple Primitives for Open World Compositional Zero-Shot Learning},
author = {Shyamgopal Karthik and Massimiliano Mancini and Zeynep Akata},
journal= {arXiv preprint arXiv:2205.06784},
year = {2022}
}
备注
CVPR 2022