Neuer Ansatz für visuelles Schließen mit objektzentrierter Slot-Attention
Forscher schlagen einen neuen Ansatz für visuelles Schließen vor, der objektzentrierte Slot-Attention und einen relationalen Engpass kombiniert. Die Methode verwendet zunächst ein CNN, um Bildmerkmale zu extrahieren. Anschließend segmentiert die objektzentrierte Slot-Attention das Bild in Objekte und erzeugt objektzentrierte visuelle Repräsentationen. Der relationale Engpass beschränkt den Informationsfluss und extrahiert abstrakte Beziehungen zwischen Objekten, um komplexe Szenen zu verstehen. Schließlich wandelt ein Framework für algebraisches maschinelles Schließen und Sequenz-zu-Sequenz-Modellierung das visuelle Schließen in ein algebraisches Problem um, wodurch Effizienz und Genauigkeit verbessert werden. Die Methode zeichnet sich bei visuellen Schließaufgaben wie Raven's Progressive Matrices aus.