用于无偏场景图生成的同伴学习
计算机视觉与模式识别
2023-03-07 v2
摘要
无偏场景图生成（USGG）是一项具有挑战性的任务，需要预测图像中物体之间多样且极度不平衡的谓词。为此，我们提出一种新颖的同伴学习框架，使用谓词采样与共识投票（PSCV）来鼓励多个同伴相互学习。谓词采样根据频率将谓词类别划分为子分布，并分配不同同伴处理各子分布或其组合。共识投票通过强调多数意见并削弱少数意见，集成同伴间互补的谓词知识。在 Visual Genome 上的实验表明，PSCV 优于先前方法，并在 SGCls 任务上以 31.6 mean 取得新的 SOTA。
引用
@article{arxiv.2301.00146,
title = {Peer Learning for Unbiased Scene Graph Generation},
author = {Liguang Zhou and Junjie Hu and Yuhongze Zhou and Tin Lun Lam and Yangsheng Xu},
journal= {arXiv preprint arXiv:2301.00146},
year = {2023}
}