场景合理性预测
计算机视觉与模式识别
2022-12-07 v2
摘要
从二维图像理解三维世界不仅仅涉及场景中物体的检测与分割，还包括对场景元素结构与排布的解读。此类理解通常根植于对物理世界及其局限性的认知，以及关于同类典型场景如何排布的先验知识。本研究为神经网络（或其他）场景理解算法提出一项新挑战——它们能否区分合理与不合理场景？合理性既可从物理属性定义，也可从功能与典型排布定义。因此，我们将合理性定义为在真实物理世界中遇到给定场景的概率。我们构建了一个包含合理与不合理场景的合成图像数据集，并测试了多种视觉模型在识别与理解合理性任务中的表现。
引用
@article{arxiv.2212.01470,
title = {Prediction of Scene Plausibility},
author = {Or Nachmias and Ohad Fried and Ariel Shamir},
journal= {arXiv preprint arXiv:2212.01470},
year = {2022}
}