开放世界组合零样本学习
计算机视觉与模式识别
2021-03-31 v3 机器学习
摘要
组合零样本学习(CZSL)要求识别训练期间未见过的状态-对象组合。在本文中,我们不假设关于未见组合的先验知识,而是在开放世界设定下运作,其中搜索空间包含大量未见组合,其中一些可能是不可行的。在此设定下,我们从视觉特征与组合嵌入之间的余弦相似度出发。在估计每个组合的可行性分数后,我们使用这些分数要么直接掩码输出空间,要么在训练期间作为视觉特征与组合嵌入之间余弦相似度的间隔。我们在两个标准 CZSL 基准上的实验表明,所有方法在应用于开放世界设定时都遭受严重的性能退化。虽然我们简单的 CZSL 模型在封闭世界场景下取得了最先进的性能,但我们的可行性分数提升了我们在开放世界设定下的方法性能,明显优于先前的最先进水平。
引用
@article{arxiv.2101.12609,
title = {Open World Compositional Zero-Shot Learning},
author = {Massimiliano Mancini and Muhammad Ferjad Naeem and Yongqin Xian and Zeynep Akata},
journal= {arXiv preprint arXiv:2101.12609},
year = {2021}
}
备注
Accepted in IEEE CVPR 2021