零样本少样本对比预测编码：无需先验训练求解智力测试
计算机视觉与模式识别
2022-05-05 v1 机器学习
摘要
视频预测模型通常结合三个组件：从像素空间到小型潜空间的编码器、潜空间预测模型，以及回到像素空间的生成模型。然而，庞大且不可预测的像素空间使得此类模型训练困难，需要大量训练样本。我们认为，寻找一个预测性潜变量并用它评估未来图像的一致性，能够实现数据高效的预测，因为这避免了生成模型训练的必要性。为证明这一点，我们创建了序列补全智力测试，其任务是在一系列图像中识别可预测变化的特征，并利用该预测选择后续图像。我们展示了一种一维马尔可夫对比预测编码（M-CPC_1D）模型仅用五个样本便高效解决这些测试。最后，我们展示了M-CPC_1D在无需先验训练下解决两项任务的有用性：异常检测与随机运动视频预测。
引用
@article{arxiv.2205.01924,
title = {Zero-Episode Few-Shot Contrastive Predictive Coding: Solving intelligence tests without prior training},
author = {T. Barak and Y. Loewenstein},
journal= {arXiv preprint arXiv:2205.01924},
year = {2022}
}