RAVEN：一个用于关系与类比视觉推理的数据集
计算机视觉与模式识别
2019-03-08 v1 人工智能
机器学习
摘要
在涉及低层感知的基础视觉任务（如物体识别、检测与跟踪）中已取得显著进展。遗憾的是，在更高层视觉问题特别是涉及推理的问题上，人工视觉系统与人类智能之间仍存在巨大性能差距。早期赋予机器高层推理能力的尝试围绕视觉问答(VQA)展开，这是关联视觉与语言理解的典型任务。本文提出一个新数据集，构建于瑞文渐进矩阵(RPM)背景下，旨在通过关联视觉与分层表示中的结构、关系和类比推理来提升机器智能。与以往利用RPM度量抽象推理的工作不同，我们通过提供结构表示建立了视觉与推理之间的语义联系。这一补充使得一种通过联合操作结构表示来实现的新类型抽象推理成为可能。我们在此新提出的数据集中评估了现代计算机视觉的机器推理能力。此外，我们还提供了人类表现作为参考。最后，我们通过引入一个结合视觉理解与结构推理的简单神经模块，展示了所有模型的一致提升。
引用
@article{arxiv.1903.02741,
title = {RAVEN: A Dataset for Relational and Analogical Visual rEasoNing},
author = {Chi Zhang and Feng Gao and Baoxiong Jia and Yixin Zhu and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1903.02741},
year = {2019}
}
备注
CVPR 2019 paper. Supplementary: http://wellyzhang.github.io/attach/cvpr19zhang_supp.pdf Project: http://wellyzhang.github.io/project/raven.html