以对象为中心的深度主动推断模型中的对称性与复杂性

人类每天感知并与数百个物体交互。在此过程中，他们需要运用这些物体的心智模型，并经常利用物体形状和外观中的对称性，以学习可泛化和可迁移的技能。主动推断是理解和建模有感知能力智能体的第一性原理方法。它指出，智能体持有一个其环境的生成模型，并通过最小化其惊奇（即自由能）的上界来学习和行动。自由能分解为准确性项和复杂性项，这意味着智能体偏好能够准确解释其感官观测的最不复杂的模型。在本文中，我们研究特定物体的固有对称性如何作为在深度主动推断下学习的生成模型的潜在状态空间中的对称性而浮现。具体而言，我们关注以对象为中心的表征，其从像素训练以在智能体移动视点时预测新颖的物体视角。首先，我们研究模型复杂性与状态空间中对称性利用之间的关系。其次，我们进行主成分分析以展示模型如何在潜在空间中对物体的对称轴进行编码。最后，我们还展示了如何在对操纵的上下文中利用更具对称性的表征以实现更好的泛化。