面向组合零样本学习的注意力传播学习
计算机视觉与模式识别
2022-10-24 v1
摘要
组合零样本学习旨在识别可见视觉基元（物体类别及其状态）的未见组合。尽管所有基元（状态和物体）在训练时以某种组合可见，但其复杂交互使该任务尤为困难。例如，wet 对狗的视觉外观的改变与对自行车的改变非常不同。此外，我们认为组合之间的关系超越了共享状态或物体。一个杂乱的办公室可包含一张繁忙的桌子；即使这些组合不共享状态或物体，繁忙桌子的存在可指引杂乱办公室的存在。我们提出一种称为组合注意力传播嵌入（CAPE）的新方法作为解决方案。我们方法的关键直觉是，除组合间其他依赖关系外，基元复杂交互所产生的组合间还存在丰富的依赖结构。CAPE 学习识别此结构并在其间传播知识，以为所有可见和未见组合学习类别嵌入。在具有挑战性的广义组合零样本设定下，我们表明我们的方法优于先前基线，在三个公开可用基准上确立了新的 SOTA。
引用
@article{arxiv.2210.11557,
title = {Learning Attention Propagation for Compositional Zero-Shot Learning},
author = {Muhammad Gul Zain Ali Khan and Muhammad Ferjad Naeem and Luc Van Gool and Alain Pagani and Didier Stricker and Muhammad Zeshan Afzal},
journal= {arXiv preprint arXiv:2210.11557},
year = {2022}
}