通过建模深度学习概率模型解决聚类推理问题
计算机视觉与模式识别
2025-05-27 v9
摘要
视觉抽象推理问题对人工智能算法的感知与认知能力提出了重大挑战，要求算法具备超越简单识别显式图像特征的更深层次的模式识别与归纳推理能力。该领域的研究进展为其他类似领域提供了洞见与技术支持。在本研究中，我们引入PMoC（Probabilistic Model based on deep learning），通过深度学习构建概率模型，在Bongard-Logo等极具挑战性的聚类推理任务中实现高推理准确率。PMoC是一种基于深度学习构建概率模型的新方法，与以往技术有显著不同。PMoC重新激活了在视觉抽象推理中相对薄弱的概率方法。
引用
@article{arxiv.2403.03173,
title = {Solving the Clustering Reasoning Problems by Modeling a Deep-Learning-Based Probabilistic Model},
author = {Ruizhuo Song and Beiming Yuan},
journal= {arXiv preprint arXiv:2403.03173},
year = {2025}
}
备注
9 pages, 10 figures, 4 tables