SCALOR：具有可扩展对象表示的生成式世界模型

Jindong Jiang; Sepehr Janghorbani; Gerard de Melo; Sungjin Ahn

SCALOR：具有可扩展对象表示的生成式世界模型

机器学习 2020-03-06 v4 机器学习

作者: Jindong Jiang , Sepehr Janghorbani , Gerard de Melo , Sungjin Ahn

摘要

场景中对象密度的可扩展性是无监督序贯面向对象表示学习的主要挑战。大多数先前的模型仅被证明适用于含少数对象的场景。本文中，我们提出SCALOR，一种用于学习视频的可扩展面向对象表示（SCALable Object-oriented Representation）的概率生成式世界模型。借助提出的空间并行注意力与提议-拒绝机制，与先前最先进的模型相比，SCALOR可处理数量级更多的对象。此外，我们引入一个背景模块，使SCALOR能够对复杂的动态背景以及场景中许多前景对象进行建模。我们证明SCALOR可处理包含多达一百个对象的拥挤场景，同时联合建模复杂的动态背景。重要的是，SCALOR是首个被证明适用于含数十个运动对象的自然场景的无监督对象表示模型。

关键词

生成式世界模型面向对象表示无监督学习可扩展注意力动态背景视频表示 SCALOR

引用

@article{arxiv.1910.02384,
  title  = {SCALOR: Generative World Models with Scalable Object Representations},
  author = {Jindong Jiang and Sepehr Janghorbani and Gerard de Melo and Sungjin Ahn},
  journal= {arXiv preprint arXiv:1910.02384},
  year   = {2020}
}

备注

First two authors contributed equally. Published at ICLR 2020

SCALOR：具有可扩展对象表示的生成式世界模型

摘要

关键词

引用

备注

相关论文