ViPro：用于复杂动态情景视频预测的程序化知识驱动方法
计算机视觉与模式识别
2024-07-16 v1 人工智能
机器学习
摘要
我们提出了一种新的视频预测体系结构设计，旨在直接将程序化领域知识用作数据驱动模型计算图的一部分。基于我们提出的新颖挑战情景，我们展示了最先进的视频预测器在复杂动态环境中的困难，突出了引入先验过程知识后，其学习问题变得可行。我们的做法导致了一种符号可寻址的接口的学习，这种接口连接了模型中数据驱动的方面与我们专用的程序化知识模块，后者用于下游控制任务。
引用
@article{arxiv.2407.09537,
title = {ViPro: Enabling and Controlling Video Prediction for Complex Dynamical Scenarios using Procedural Knowledge},
author = {Patrick Takenaka and Johannes Maucher and Marco F. Huber},
journal= {arXiv preprint arXiv:2407.09537},
year = {2024}
}
备注
accepted at NeSy2024, to be published in LNCS/LNAI