BriefGPT.xyz
Ask
alpha
关键词
unsupervised object-centric learning
搜索结果 - 3
无监督概念发现减轻虚假相关性
我们提出了一种用于减轻虚假相关的概念平衡技术,通过利用现有的物体为中心的表示学习方法,无需对子群进行人工标注,在水鸟、CelebA 和 ImageNet-9 基准数据集上进行评估并展示了优越或竞争性的性能。
PDF
5 months ago
SPOT: 自身训练的基于补丁顺序置换的自回归 Transformer 的物体中心学习
非监督式物体中心学习中引入了两个新技术:一种基于注意力的自我训练方法,通过从解码器到编码器提取出优越的基于槽的注意力掩码来增强物体分割;一种创新的自回归变换器中的补丁顺序排列策略,加强了槽向量在重构中的作用。这些策略的有效性在实验证明了该方
→
PDF
7 months ago
ICCV
面向对象的多目标跟踪
该研究提出了一种视频基于物体为中心的模型,通过适应物体为中心的插槽以及构建完整物体原型来处理遮挡,仅需要稀疏的检测标签进行物体定位和特征绑定,无需 ID 标签,并通过自我监督的期望最大化损失函数实现物体关联,实验证明了该方法在物体为中心的学
→
PDF
10 months ago
Prev
Next