跳到正文
arXiv · 机器人与计算机视觉· Matthias Tangemann, Benjamin Lo, Zygmunt Pizlo, Kaleem Siddiqi, Dirk B. Walther, Sven Dickinson·· 9 天前AI 评分40

Shape-based Figure-Ground Organization in Vision Transformers 研究论文

Shape-based Figure-Ground Organization in Vision Transformers

AI 导读

该研究证实,多种视觉 Transformer 的内部表征分离前景与背景主要依赖可泛化的形状线索而非纹理统计。线性探针在随机替换输入图像纹理时表现鲁棒,且对周围性、凸性等形状特征具有零样本泛化能力。实验发现更大模型中形状证据更强,物体识别任务训练的模型抗纹理变化较弱,相关信息最显著出现在中间层。代码与数据已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org