基于对比学习的在线物体表征
计算机视觉与模式识别
2019-06-12 v1 机器学习
机器人学
摘要
我们提出一种自监督方法，用于从单目视频中学习物体表征，并证明其在机器人等情境化环境中尤为有用。本文的主要贡献包括：1）一个使用对比学习训练的自监督目标，能够在无需任何标签的情况下从视频中发现并解耦物体属性；2）我们利用物体自监督进行在线自适应：我们的在线模型观察视频中物体的时间越长，物体识别误差就越低，而离线基线模型则保持较大的固定误差；3）为探索一个完全无需人类监督的系统的可能性，我们让机器人自行收集数据，用我们的自监督方案在这些数据上进行训练，然后展示机器人能够指向与面前物体相似的物体，从而证明物体属性的泛化能力。该方法一个有趣且或许令人惊讶的发现是，在给定有限物体集合的情况下，使用对比学习时物体对应关系会自然涌现，而无需显式的正样本对。展示在线物体自适应和机器人指向的视频可访问：https://online-objects.github.io/。
引用
@article{arxiv.1906.04312,
title = {Online Object Representations with Contrastive Learning},
author = {Sören Pirk and Mohi Khansari and Yunfei Bai and Corey Lynch and Pierre Sermanet},
journal= {arXiv preprint arXiv:1906.04312},
year = {2019}
}
备注
10 pages