通过解缠槽注意力学习全局对象中心表示

人类能够辨识不同环境中物体的场景无关特征，使其能够快速识别在光照、视角、大小和位置等因素变化下的物体，并能想象同一物体在多种设置下的完整图像。现有对象中心学习方法仅提取场景相关的对象中心表示，缺乏跨场景识别同一物体的能力。此外，一些现有方法则放弃了处理复杂场景的单独对象生成能力。本文引入一种新颖的对象中心学习方法，使 AI 系统具备跨场景识别物体和生成包含特定物体的多样场景的能力，通过学习一组全局对象中心表示。为学习包含对象全局不变属性（即完整外观和形状）的全局对象中心表示，本文设计了解缠槽注意力模块，将场景特征转换为场景相关属性（如比例、位置和方向）和场景无关表示（即外观和形状）。实验结果证实了所提出方法的有效性，显示出在全局对象中心表示学习、对象识别、特定对象场景生成和场景分解方面展现出卓越的专业能力。