arXiv cs.AI· Sanket Gandhi, Utkarsh Giri, Varun Subramaniam, Rohan Paul, Parag Singla·· 9 天前AI 评分22
LinSlot：利用线性表示假设从槽位对象表示中无监督发现属性
LinSlot: Exploiting Linear Representation hypothesis for unsupervised attribute discovery from slot based object representation
AI 导读
LinSlot 提出一种联合发现对象与属性表示的概率框架，利用线性表示假设（LRH）将可组合概念建模为槽位表示中的线性可加子空间，并通过块注意力连接属性与槽位、优化所提图模型的 ELBO。实验在多个数据集上验证了对象与属性解耦表示的有效发现、槽位空间中 LRH 的经验证据，以及基于解耦表示进行图像编辑的能力，DCI 分数优于现有方法。
正文 · AI 翻译
摘要：本文研究从原始、非结构化图像数据中学习物体及其属性解耦表示的问题。基于槽的方法在从图像中无监督学习物体表示方面已取得显著成功。基于块槽注意力的方法通过假设物体表示可均匀分解为属性，将该框架扩展到属性表示，但这种假设可能并非最优，从而限制了所学表示的质量。因此，我们研究了一个联合发现物体和属性表示的框架。我们的关键贡献在于利用线性表示假设（LRH），该假设认为可组合的概念可以表示为槽表示中的线性可加子空间。基于这一洞见，我们提出了一个连接图像、槽（物体）和块（属性）的概率模型。我们提出了一种架构，利用块注意力将属性表示连接到槽，并在物体和属性表示空间中融入 LRH。该架构有效优化了所提出图模型中的证据下界（ELBO）。我们的实验表明：(i) 有效发现解耦的物体和属性表示，(ii) 在槽空间中为 LRH 提供了经验证据，(iii) 由于所学表示具有解耦和可解释的特性，能够进行图像编辑。我们在多个数据集上的实验表明，DCI 分数相比最先进方法有所提升。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.10722 [cs.CV] |
| （或使用 arXiv:2610.10722v1 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.10722 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Sanket Gandhi [查看电子邮件]
[v1]
2026年10月7日星期三 18:04:19 UTC（1,215 KB）
来源：arXiv cs.AI · arxiv.org