用于组合零样本学习的条件下属性学习
计算机视觉与模式识别
2023-06-16 v2
摘要
组合零样本学习（CZSL）旨在训练模型基于已学概念（如属性-对象组合）识别新颖的组合概念。其挑战之一是建模与不同对象交互的属性，例如“湿”在“湿苹果”和“湿猫”中是不同的。作为解决方案，我们提供分析并论证属性以所识别的对象和输入图像为条件，并通过提出的包含属性超学习器与属性基学习器的属性学习框架来探索学习条件属性嵌入。通过编码条件属性，我们的模型能够生成灵活的属性嵌入，以实现从已见组合到未见组合的泛化。在 CZSL 基准（包括更具挑战性的 C-GQA 数据集）上的实验表明，与其他最先进方法相比性能更优，并验证了学习条件属性的重要性。代码见 https://github.com/wqshmzh/CANet-CZSL
引用
@article{arxiv.2305.17940,
title = {Learning Conditional Attributes for Compositional Zero-Shot Learning},
author = {Qingsheng Wang and Lingqiao Liu and Chenchen Jing and Hao Chen and Guoqiang Liang and Peng Wang and Chunhua Shen},
journal= {arXiv preprint arXiv:2305.17940},
year = {2023}
}
备注
10 pages, 4 figures, accepted in CVPR2023