参考受限的组合零样本学习
计算机视觉与模式识别
2023-05-02 v2
摘要
组合零样本学习(CZSL)指识别已知视觉基元未见过的组合,这是人工智能系统学习与理解世界的必备能力。尽管现有基准上已取得可观进展,我们质疑流行的 CZSL 方法能否应对少样本与少参考组合的挑战,而这在学习真实世界未见环境时十分常见。为此,本文研究具有挑战性的参考受限组合零样本学习(RL-CZSL)问题,即给定仅含少量样本作为参考的有限已见组合,应识别观测基元的未见组合。我们提出一种新颖的元组合图学习器(MetaCGL),可从不充分参考信息中高效学习组合性并泛化至未见组合。此外,我们构建了含两个新大规模数据集的基准,其由具多样组合标签的自然图像组成,为 RL-CZSL 提供更真实的环境。基准上的大量实验表明,当组合学习的参考受限时,我们的方法在识别未见组合上取得了最先进性能。
引用
@article{arxiv.2208.10046,
title = {Reference-Limited Compositional Zero-Shot Learning},
author = {Siteng Huang and Qiyao Wei and Donglin Wang},
journal= {arXiv preprint arXiv:2208.10046},
year = {2023}
}
备注
ICMR 2023