通过动态上下文移除学习预见未来
计算机视觉与模式识别
2022-06-28 v2
摘要
预见未来事件是智能系统与具身 AI 的一项基本能力。然而，相较于传统的识别任务，未来的不确定性以及对推理能力的要求使得预见任务极具挑战性且远未解决。在该领域，以往方法通常更关注模型架构设计，而很少关注如何以恰当的学习策略训练预见模型。为此，本文提出一种称为动态上下文移除（DCR）的新型训练方案，其在学习过程中动态调度已观测未来的可见性。它遵循类人的课程学习过程，即逐步移除事件上下文以增加预见难度，直至满足最终预见目标。我们的学习方案即插即用，易于集成包括 transformer 与 LSTM 在内的任何推理模型，在效果与效率上均具优势。在大量实验中，所提方法在四个广泛使用的基准上达到了 SOTA。我们的代码与模型已公开于 https://github.com/AllenXuuu/DCR。
引用
@article{arxiv.2204.02587,
title = {Learning to Anticipate Future with Dynamic Context Removal},
author = {Xinyu Xu and Yong-Lu Li and Cewu Lu},
journal= {arXiv preprint arXiv:2204.02587},
year = {2022}
}
备注
CVPR 2022