跳到正文
arXiv · 机器人与计算机视觉· Despoina Touska, Bastiaan Onne Fagginger Auer, Alexandru Onose, Tejaswi Kasarla, Luis Armando P\'erez Rey, Maximilian Lipp, Lyubov Amitonova, Martin R. Oswald, Pascal Cerfontaine·· 23 天前精选AI 评分78

OrthoRF:探索物体中心表示中的正交性

OrthoRF: Exploring Orthogonality in Object-Centric Representations

AI 导读

arXiv 预印本论文 OrthoRF 提出一种通过内积损失和架构修改强制旋转特征方向空间正交的方法,旨在提升基于同步性的无监督物体发现性能。实验表明,该方法在重叠、噪声及分布外测试中表现匹配或优于现有模型,消除了后处理聚类需求,并能恢复被遮挡的物体部分。该研究为计算机视觉领域的物体中心学习提供了新的归纳偏置视角。

推荐理由

该工作提出正交旋转特征以解决同步性模型依赖后处理聚类的问题,在遮挡与噪声场景下表现更优。

来源:arXiv · 机器人与计算机视觉 · arxiv.org