ICLRJan, 2020

无监督的对象导向场景表示：基于空间注意力和分解的方法

PDF
TL;DR本文提出了一种称为 SPACE 的生成潜变量模型，通过并行的空间注意力可以同时实现前景物体的因式分解表示以及解析复杂形态的背景细节，解决了以往模型中可扩展性有限的问题，从而更好地模拟真实场景。
发现论文，激发创造
  • MONet: 无监督场景分解与表示

    该论文介绍了 Multi-Object Network 模型，它可以将复杂的 3D 场景拆分为对象和背景等语义组件，从而更好地表示场景中的抽象要素和关系，提高数据效率和转移性能。

    Jan, 2019

  • 无监督视频分解基于时空迭代推理

    该研究提出了一种新的时空迭代推理框架，用于联合建模复杂的多物体表示和帧间的显式时间依赖关系，在后验精化中利用 2D-LSTM 和时间条件推理和生成，以提高场景分解、分割和预测的能力，即使没有颜色信息也有高准确度。

    Jun, 2020

  • 基于高效注意力的特征增强场景解析

    本文提出了一种新颖的特征增强网络，通过从多个特征提取级别收集空间上下文，并计算每个表示级别的注意力权重以生成最终的类别标签。该模型还学习了低分辨率下的空间上下文信息以保留场景元素之间的抽象空间关系并降低计算成本，最终的特征集合中融合了空间注意力特征，并在 ADE20K 和 Cityscapes 数据集上优于所有现有模型。

    Feb, 2024

  • GENESIS：基于物体中心的隐式表示生成场景推理和采样

    本文介绍一种名为 GENESIS 的三维视觉场景对象生成模型，通过捕捉场景组件之间的关系，能够分解和生成场景，并在公开数据集上进行了性能评估和半监督学习。

    Jul, 2019

  • SIMONe：通过无监督视频分解实现视角不变、时间抽象的物体表示

    通过无监督变分方法，我们提出了一种模型 ——SIMONe，能够抽取场景的组成结构，学习并表示场景中各个物体的不依赖于视角的属性，并且可以实现视角合成和实例分割。

    Jun, 2021

  • ROOTS: 3D 场景的对象中心表示和渲染

    本文提出了一种概率生成模型，用于学习从多个物体场景的部分观察中构建模块化和组合化的三维物体模型，该模型可以推断 3D 物体表示并从任意视角呈现场景。

    Jun, 2020

  • 利用空间不变性进行可扩展的无监督物体跟踪

    提出了一种能够应对大场景和多物体的无监督对象跟踪体系结构，包括空间不变运算（卷积和空间注意）和本地对象表示方案，在多个实验中展现了在有多个物体的混乱场景中跟踪对象比其他方法更好，并且能够很好地推广到训练时未遇到的更大，物体更多的视频中。

    Nov, 2019

  • BlobGAN：空间分离式场景表示

    该研究提出了一种基于场景的生成模型，使用中层次表示模型，模拟空间的深度有序特征 Blob，并将其应用于生成对抗网络中产生可行场景的实例中

    May, 2022

  • 通过专家竞争实现因果生成场景模型

    通过训练专家生成模型的集合，鼓励系统具有模块化特征的认知偏差，从而达到控制采样和可重组性的目的，并且在处理深度分层和遮挡方面具有优势。

    Apr, 2020

  • 物体场景表示变换器

    本文提出 Object Scene Representation Transformer (OSRT)，一种 3D 中心模型，通过新视角综合技术，能够在无监督学习中从复杂场景中学习到基于对象及其几何形状的 3D 一致分解表示，且其轻量级参数化和新的 Slot Mixer 解码器让其在合成渲染方面比现有方法快多个数量级。

    Jun, 2022