object-centric representation learning | BriefGPT

关键词object-centric representation learning

搜索结果 - 8

EAGLE: 物体中心无监督语义分割的特征聚合学习
基于自监督涵盖对象中心表示学习的对象级无监督语义分割方法 EAGLE，在复杂场景中实现了精确和一致的语义分割效果。
PDF4 months ago
RobustCLEVR：用于评估物体中心化学习的鲁棒性的基准和框架
通过研究对象为中心的表示学习方法，我们开展了具有专家知识根据因果依赖的图像生成过程产生各种图像破坏无法实现的鲁棒性评估，结果发现对象为中心的方法对图像破坏并不稳健，此工作在实现对复杂破坏过程下模型性能和退化更具体和有力的理解方面迈出了一步。
PDF10 months ago
学习动态属性分解世界模型以提高多目标强化学习效率
在这篇论文中，我们介绍了动态属性因子强化学习（DAFT-RL）框架，通过利用物体中心表示学习从视觉输入中提取物体，并学习对它们进行分类和推断其潜在参数。我们通过学习类别的模板图和对象之间属性级别的相互作用模式图，以及描述对象之间相互作用的动
PDFa year ago
潜变量识别和积物推测的加性译码器
通过添加器解码器对隐变量的辨别和超出支持图像的生成进行研究，提出了一种基于对象为中心的表示学习方法并展示了其在图像分解以及非线性独立成分分析方面的理论和实证研究。
PDFa year ago
OCTScenes：一种用于目标中心学习的多功能真实世界桌面场景数据集
本文介绍了一种为物体为中心学习方法提供多样性的真实场景数据集 ——OCTScenes，该数据集包含 5000 个桌面场景，并对静态、动态和多视角场景的物体为中心的表示学习方法进行评估。实验证明，尽管基于复杂合成数据集的最新算法取得了显著进
PDFa year ago
基于 Slot Attention 的物体中心场景生成
提出了一种将 slot attention 与分层 VAE 框架结合的生成模型 Slot-VAE，其能够生成具有高质量和准确的场景结构的样本效果优于基于 slot attention 的生成模型。
PDFa year ago
ICML可证明学习物体为中心的表达
通过引入组合性和不可约性假设，分析了何时可以在无监督情况下学习对象为中心的表示，并通过在合成数据上的实验验证了结果。还提供了证据表明该理论具有现有对象为中心模型的预测能力。
PDFa year ago
ICML基于物体的学习中的泛化和鲁棒性关联
本文介绍了物体中心表示学习的概念，并在五个常见的多目标数据集上对最先进的无监督模型进行了训练和评估，研究了分割度量和下游对象属性预测等问题，并探讨了单个对象超出分布，全局属性的改变以及更少结构化的分布转变对其性能的影响。实验结果表明，物体中
PDF3 years ago