AAAINov, 2021

使用神经算法推理解决视觉类比问题

PDF
TL;DR研究一类视觉类比推理问题，并使用神经类比推理方法寻找一系列基本的神经网络转换来处理符号空间中的图像，评估该算法对具有不同形状和位置的图像的推理泛化能力。
visual analogical reasoningprogram synthesisneural network transformationsdistributed representationsgeneralization
发现论文，激发创造
  • 基于知识的神经符号潜变空间类比推理

    本论文提出了一种结合神经网络的模式识别能力、符号推理和背景知识来解决类比推理问题的框架，并应用于 RAVEN 的递进矩阵上，取得了与人类表现有竞争力甚至更优秀的结果。

    Sep, 2022

  • 利用神经嵌入和向量运算解决 ARC 视觉类比问题：一种广义方法

    这篇论文通过引入变分自动编码器 (VAE) 来解决通过向量算术处理的视觉类比推理问题，并且在 Abstraction and Reasoning Corpus (ARC) 中取得了有希望的结果。

    Nov, 2023

  • VISALOGY: 回答视觉类比问题

    本文研究回答视觉类比问题，并提出了使用卷积神经网络来解决自然图像中的类比问题，并介绍了相应的自然图像类比问题数据集。

    Oct, 2015

  • 视觉类比：深度学习与组合模型

    本论文比较了人类视觉类比问题解决能力和三种不同的计算模型的性能，包括成分模型、连体网络和关系网络，结果显示成分模型的定性表现与人类推理者相似，而深度学习模型的表现则不如人类。

    May, 2021

  • 解决形态学类比问题：从检索到生成

    本文提出了一个深度学习框架来解决类比检测和解决两个关键问题，并在 morphological analogical proportions 数据集上进行了测试表明优于符号方法。文章总结了之前的研究，并结合了 ANNe 和 AE 嵌入模型。最终得出该模型在绝大多数情况下都优于其他方法，并提供了使用 DL 来处理类比问题的一般指南。

    Mar, 2023

  • 通过对抽象关系结构进行对比学习制作类比

    该研究通过关注数据的选择和呈现方式，研究神经网络在感知和推理原始视觉数据时如何诱导类比推理能力，并发现最健壮的类比推理能力是通过在输入域中对抽象关系结构进行对比学习而诱导的。

    Jan, 2019

  • 元模拟对比学习的少样本视觉推理

    本篇论文提出采用类比推理的方式解决少样本视觉推理问题，即通过提取训练和测试数据的结构关系，重复应用于类似问题的查询中，从而有效地学习训练集和测试集之间的关系相似性，实现对 RAVEN 数据集的超越性表现，并在不同属性下进行元学习，表现出了良好的泛化能力。

    Jul, 2020

  • 通过概率类比映射进行零 - shot 视觉推理

    本文介绍了 VisiPAM（visual Probabilistic Analogical Mapping）的视觉推理模型，该模型综合了视觉推理和类比推理两种方法，使用从自然视觉输入中直接推导出的学习表示和源自人类推理认知理论的相似性映射操作，并且在类比映射任务上表现优于现有的深度学习模型。

    Sep, 2022

  • 通过类比维度理解叙事

    本研究从认知科学研究成果出发，对类比推理的六个维度进行了规范，在寓言语料上进行了注释，并定义了四个任务来评估新型 AI 技术的可扩展性，实验结果显示现有的方法能够在有限的范围内推理类比，但需要进一步的研究来提高 AI 的综合性和可扩展性。

    Jun, 2022

  • 神经符号视觉推理：将 “视觉” 与 “推理” 分离

    本文提出一个框架来单独评估视觉问答（VQA）中的推理方面，同时引入一种新颖的自上而下校准技术，以使模型即使具有不完美的感知也能回答推理问题，通过在具有挑战性的 GQA 数据集上进行深入的分离比较，可以了解到众所周知的 VQA 模型参与的见解以及任务。

    Jun, 2020