利用知识图识别未知物体的未见状态
计算机视觉与模式识别
2025-06-17 v3
摘要
我们将物体状态分类（OSC）问题作为零样本学习问题进行研究。具体而言，我们提出了首个物体无关状态分类（OaSC）方法，该方法在不依赖物体类别的知识或估计的情况下推断特定物体的状态。在此方向上，我们利用知识图（KGs）来结构化与组织知识，其与视觉信息相结合，使得能够推断在方法训练集中未遇到的物体/状态对中的物体状态。一系列实验在各种设定下研究了所提方法的性能，针对若干假设并与物体属性分类的最先进方法进行比较。实验结果表明，物体类别的知识对其状态预测并非决定性因素。此外，所提 OaSC 方法在所有数据集与基准上大幅优于现有方法。
引用
@article{arxiv.2307.12179,
title = {Recognizing Unseen States of Unknown Objects by Leveraging Knowledge Graphs},
author = {Filipos Gouidis and Konstantinos Papoutsakis and Theodore Patkos and Antonis Argyros and Dimitris Plexousakis},
journal= {arXiv preprint arXiv:2307.12179},
year = {2025}
}
备注
This is the authors' version of the paper published at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2025. The definitive version is available at: https://openaccess.thecvf.com/content/WACV2025/html/Gouidis_Recognizing_Unseen_States_of_Unknown_Objects_by_Leveraging_Knowledge_Graphs_WACV_2025_paper.html