以对象为中心的生成模型中的重构瓶颈
机器学习
2020-11-25 v2 机器学习
摘要
一系列具有合适归纳偏置的方法可在无监督情况下学习图像的可解释、以对象为中心的表示。然而，这些方法在很大程度上仅限于视觉上简单的图像；在真实世界感知数据集中实现鲁棒的 object discovery（对象发现）仍难以企及。为增进对此类归纳偏置的理解，我们实证研究了近期基于 VAE 的模型 GENESIS 中“重构瓶颈”对场景分解的作用。我们表明此类瓶颈决定了重构与分割质量，并对模型行为产生关键影响。
引用
@article{arxiv.2007.06245,
title = {Reconstruction Bottlenecks in Object-Centric Generative Models},
author = {Martin Engelcke and Oiwi Parker Jones and Ingmar Posner},
journal= {arXiv preprint arXiv:2007.06245},
year = {2020}
}
备注
10 pages, 7 Figures, Workshop on Object-Oriented Learning at ICML 2020