OG-SGG：本体引导的场景图生成——以远程呈现机器人中的迁移学习为例
机器人学
2022-12-21 v3 计算机视觉与模式识别
摘要
从图像生成场景图是机器人等应用高度关注的任务，因为图是表示关于世界的知识并调节人机交互（如视觉问答（VQA））的主要方式。遗憾的是，其对应的机器学习领域仍相对处于起步阶段，当前提供的解决方案在具体使用场景中泛化不佳。具体而言，它们未将关于领域世界的已有“专家”知识考虑在内；而这的确可能是提供用例场景所要求的可靠性水平所必需的。本文中，我们提出一个名为本体引导的场景图生成（OG-SGG）的框架的初步近似，其可利用以本体形式提供的先验知识（具体使用其中定义的公理）来改进已有的基于机器学习的场景图生成器性能；并展示了在远程呈现机器人具体场景下的评估结果。这些结果显示了所生成场景图在量与质上的改进。
引用
@article{arxiv.2202.10201,
title = {OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer Learning for Telepresence Robotics},
author = {Fernando Amodeo and Fernando Caballero and Natalia Díaz-Rodríguez and Luis Merino},
journal= {arXiv preprint arXiv:2202.10201},
year = {2022}
}
备注
20 pages; version accepted and published in IEEE Access