Probabilistic Modeling of Semantic Ambiguity for Scene Graph Generation
本文由腾讯 AI Lab 主导,与清华大学、电子科技大学、香港中文大学(深圳)合作完成。为了生成“精确”表述的场景图,几乎所有现有的方法都以确定性的方式预测成对关系,我们认为视觉关系在语义上往往具有模糊歧义性。
具体来说,受语言学知识的启发,我们将歧义分为三类:同义歧义、上下义歧义和多视点歧义。这种模糊性自然会导致隐性多标签问题,也激发了对预测多样性的需求。在这项工作中,我们提出了一个新的即插即用概率不确定性建模(PUM)模块。它将每个联合区域建模为高斯分布,其方差度量相应视觉内容的不确定性。与传统的确定性方法相比,这种不确定性建模带来了特征表示的随机性,使得预测具有多样性。作为一个副产品,PUM还能够覆盖更细粒度的关系,从而减轻对频繁关系的偏见。
在大规模视觉数据集上的大量实验表明,将PUM与新提出的ResCAGCN相结合可以在平均召回度量下获得最佳性能。此外,我们通过将PUM插入到一些现有模型中,证明了PUM的普适性,文中也对其生成多样化但合理的视觉关系的能力进行了深入分析。
https://www.zhuanzhi.ai/paper/254379481b6040802beebbace52db94a
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“PUM” 就可以获取《【CVPR2021】 针对场景图生成语义模糊性的概率性建模》专知下载链接