Dec, 2022

超越物体识别：朝向物体概念学习的新基准

PDF
TL;DR本研究介绍了一个挑战性的物体概念学习 (OCL) 任务，旨在推动物体理解的发展，要求机器推理出物体的可负担性和同时给出推理：什么属性使物体具有这些可负担能力，并建立了一个密集注释的知识库来支持 OCL。我们提出了一个基于因果干预和概念实例化的基线模型，名为 Object Concept Reasoning Network (OCRN)，以有效推断物体知识，并指出 OCRN 在遵循因果关系时能够有效地推导出物体知识。
发现论文，激发创造
  • 物体类别感知强化学习

    本篇论文提出了一种新的框架 ——OCARL，通过利用对象的类别信息来促进感知和推理，包括三部分：具有类别感知能力的无监督对象发现，具有对象类别感知能力的感知以及采用多个独立的对象 - 类别特定网络进行推理的对象中心模块化推理。实验表明，在对象导向的强化学习领域，OCARL 可以提高样本效率和泛化能力。

    Oct, 2022

  • 深度感知 - 操作感知基础的物体识别

    通过使用深度学习，结合物体颜色和 affordance 信息，提高了物体识别的鲁棒性。

    Apr, 2017

  • 通过反向层级引导学习物体中心表示

    提出了一种引入自顶向下路径的反层次指导网络（Reverse Hierarchy Guided Network），该网络在训练和推理过程中采用不同的方式，通过自顶向下的特征引导底层特征，同时将底层特征纳入感知过程，从而实现了性能优于其他模型的结果，并且在发现小物体和复杂场景中有良好的泛化能力。

    May, 2024

  • 在线持续学习用于室内物体识别的强健性

    家用机器人上安装的视觉系统需要与不可见的类别在多变的环境中进行交互。我们提出了 RobOCLe 作为一种少样本在线持续学习模型，通过构建富化特征空间和计算样本的高阶统计矩来改善连续学习模型的鲁棒性。

    Jul, 2023

  • 迈向可解释的目标中心学习的可控性

    通过引入自增强图像策略的槽位注意力方法（SlotAug），本文探索了一种学习可解释的自控槽位的可能性，在计算机视觉领域中的物体中心学习（OCL）的研究中取得了显著的进展，并且通过引入辅助身份操作和槽位一致性损失，提出了可控槽位的可持续性概念。广泛的实证研究和理论验证证实了我们方法的有效性，为可解释和可持续控制对象表示提供了一种新的能力。

    Oct, 2023

  • 共享外观线索的未见物体推理

    该论文介绍了一种创新的开放世界识别方法，利用从已知对象获得的知识来处理之前未见过的对象的识别。该方法通过使用中间特征的集合来表示对象的外观线索，提供了一种建模新对象的简单而优雅的方法，同时考虑了内在的不确定性。这种方法不仅可以检测在未见过的对象中的超出分布范围的对象或新类别，还可以推断未知实例所属的超类，对于推进多样化应用的开放世界识别具有潜力。

    Jun, 2024

  • 第三届自我中心类别和实例级别物体认知持续学习研讨会比赛

    本文概述了第三届连续学习计算机视觉竞赛（CLVision）在 CVPR 2022 中举办的挑战的思想、设计选择、规则和结果，其中焦点是复杂的连续物体检测任务，挑战基于新的 EgoObjects 数据集，涵盖了 100k 个视频帧中的 1000 多个独特主要对象和 250 多个类别，以基准测试连续学习算法的信息视点类别 / 实例级对象理解。

    Dec, 2022

  • 评估概念抽象基准的理解能力

    本文提出了一种基于概念的评估方法，通过探究一个系统在多个实例中应用给定概念的能力来评估。作者以 RAVEN 和 ARC 为例进行了案例研究。研究发现，这种基于概念的评估方法揭示了传统测试集所隐藏的 AI 系统的信息。

    Jun, 2022

  • 通过诱导符号空间进行可解释的视觉推理

    该研究旨在通过目标 - 中心的组合式注意力模型（OCCAM）和符号概念空间，从与图像相关的问题 - 答案对中识别概念和它们的分层关系，并实现一个可解释的模型。该模型通过设计新的 OCCAM 框架执行视觉推理任务，并提出一种方法，从对象的视觉特征和问题词之间的注意力模式中使用线索，诱导对象和关系的概念。结果表明，OCCAM 在无需人类注释的功能程序的情况下取得了最新的技术水平，并且所诱导的概念精确而充足，在视觉特征或在引入的符号概念空间中表示的对象上都能够取得相当的性能。

    Nov, 2020

  • 基于物体中心预测模型的内在物理概念发现

    本文介绍了一个无需监督训练的系统 PHYsical Concepts Inference NEtwork (PHYCINE)，该系统可以发现和表示物理概念，包括物质和电荷，并且使用这些变量来获得比仅使用可见对象特征更好的因果推理性能。

    Mar, 2023