用于抽象视觉推理的多粒度模块化网络
人工智能
2020-07-13 v2 计算机视觉与模式识别
摘要
抽象视觉推理将心智能力与物理世界相连，是认知发展中的关键因素。大多数幼儿对这种技能表现出敏感性，但对机器而言却并非易事。针对此问题，我们聚焦于旨在测量认知推理的瑞文渐进矩阵测试。近期的工作设计了一些黑盒以端到端的方式解决该问题，但它们极其复杂且难以解释。受认知研究启发，我们提出了一种多粒度模块化网络（MMoN），以弥合原始感官信息处理与符号推理之间的鸿沟。具体而言，它以神经符号和半监督的方式学习模块化推理函数，从而从视觉基础中建模语义规则。为了全面评估 MMoN，我们在已见和未见的推理规则数据集上进行了实验。结果表明，MMoN 非常适合抽象视觉推理，并且在泛化测试中具有可解释性。
引用
@article{arxiv.2007.04670,
title = {Multi-Granularity Modularized Network for Abstract Visual Reasoning},
author = {Xiangru Tang and Haoyuan Wang and Xiang Pan and Jiyang Qi},
journal= {arXiv preprint arXiv:2007.04670},
year = {2020}
}