从实体流中提取关系
计算与语言
2019-09-10 v1 人工智能
计算机视觉与模式识别
摘要
关系推理是智能行为的核心组成部分，但已被证明难以被神经网络学习。DeepMind 最近提出了关系网络（RN）模块来解决此类问题，并在多个数据集上展示了最先进的成果。然而，RN 模块在输入规模上呈二次方扩展，因为它计算视觉场中每个图像块之间的关系因子，包括那些不对应实体的块。本文描述了一种架构，可通过在输入场上使用注意力机制获得的实体流来确定关系。该模型端到端训练，以仅用到原始 RN 模块一小部分模型参数，展示了同等的性能与更强的可解释性。
引用
@article{arxiv.1909.03315,
title = {Relationships from Entity Stream},
author = {Martin Andrews and Sam Witteveen},
journal= {arXiv preprint arXiv:1909.03315},
year = {2019}
}
备注
Accepted paper for the ViGIL workshop at NIPS 2017. (4 pages + references)