论文阅读:Probabilistic Modeling of Semantic Ambiguity for Scene Graph Generation(CVPR21)
传统的判别模型(针对predicate种类)如c所示,对于同一对物体总是倾向于产生相同的predicate。但是视觉关系往往是语义模糊的 ,比如:
(1)person-holding-umbrella/person-carraying-umbrella,都是正确的,这是同义词模糊
(2)cat-on-chair/car-laying on-chair,都是描述猫在椅子上的,这是包含意义模糊
(3)person-using-laptop/person-in front of-laptop,根据侧重的方面不同判断出的predicate,这个是多视点模糊
前面说传统的模型都是判别式的,这篇文章提出了Probabilistic Uncertainty Modeling Module(即PUM),以概率的方式解决了上述语义模糊问题。
(a)目标检测,使用的是ResNetCAGCN(CA,cross attention),为含有上下文信息的物体特征建模。
最后的这个xi_hat将进入分类器判断物体的类别。
(b)特征融合
前两个都是cross attention的结果,最后一个是普通的union bbox feature,菱形框表示融合函数。
把真实分布看作是一个超高维高斯分布。
把batch中的所有rel_feature都看作是取自这个超高维高斯分布的样本。
假设一个batch里有32组主客体对的rel_feature,前半截是self.mu,后半截是self.log_var,训练时,把self.mu直接放到rel_compress(其实就是个全连接层)中进行predicate分类;测试时,self.mu和self.log_var决定了一个超高维的高斯分布,在这个高斯分布中采样一定的样本(代码中默认采8个),计算它们的均值,再输入rel_compress中。
论文部分代码:↓
gaussian_emb是一个linear层,把原来用于概率表示的维度增大到两倍,前半截当做均值,后半截当做方差。如果是训练,就把均值当做最终特征,压缩为51类(谓语的种类数)。如果是测试,就把mu + exp(log_var / 2) * eps当做最终特征进行维度压缩。eps是randn取得的。针对一个谓语的的采样数目默认为8。最终的结果来自于这8个概率的均值。
-------------------------------一些碎碎念-------------------------------
论文早就读完了,老师说要上手,我就开始上手。
配环境直接血压拉满。
中秋两天假期都在搞。
但是还是没有搞出来。
干脆直接看代码了。
真正有价值的感觉也就这几行代码(?)
21.11.21
代码跑出来了。
确实就这几行。
如果不算loss的话。
论文阅读:Probabilistic Modeling of Semantic Ambiguity for Scene Graph Generation(CVPR21)相关推荐
- 论文阅读笔记-场景图谱-图谱生成:Scene Graph Generation from Objects, Phrases and Region Captions
文章目录 摘要 引言 正文部分 Conclusionn Li Y, Ouyang W, Zhou B等. Scene Graph Generation from Objects, Phrases an ...
- 论文阅读06——《CaEGCN: Cross-Attention Fusion based Enhanced Graph Convolutional Network for Clustering》
欢迎到我的个人博客看原文 论文阅读06--<CaEGCN: Cross-Attention Fusion based Enhanced Graph Convolutional Network f ...
- 论文阅读11——《Mutual Boost Network for Attributed Graph Clustering》
是聚类让我们"聚类",我整理了部分深度图聚类代码,希望大家多多支持(GitHub代码):A-Unified-Framework-for-Deep-Attribute-Graph-C ...
- 论文阅读和分析:A Tree-Structured Decoder for Image-to-Markup Generation
HMER论文系列 1.论文阅读和分析:When Counting Meets HMER Counting-Aware Network for HMER_KPer_Yang的博客-CSDN博客 2.论文 ...
- 论文阅读:Target Adaptive Context Aggregation for Video Scene Graph Generation
Target Adaptive Context Aggregation for Video Scene Graph Generation 视频场景图中的目标自适应上下文聚合 论文地址:https:// ...
- 场景图生成论文阅读笔记 之 Graph R-CNN for Scene Graph Generation
2018 ECCV <Graph R-CNN for Scene Graph Generation> 比较早使用图网络进行场景图生成的论文,对后续工作具有一定的启发性,在这做一记录 文章目 ...
- Learning Visual Commonsense for Robust Scene Graph Generation论文笔记
原论文地址:https://link.springer.com/content/pdf/10.1007/978-3-030-58592-1_38.pdf 目录 总体结构: 感知模型GLAT: 融合感知 ...
- 论文Spatial-Temporal Transformer for Dynamic Scene Graph Generation
最近由于要做SGG方向,恰巧之前保存过这篇论文 2107.12309.pdf (arxiv.org)https://arxiv.org/pdf/2107.12309.pdf 代码地址: GitHub ...
- 【论文阅读】Modeling the world from internet photo collections
Modeling the world from internet photo collections论文阅读 1.摘要 2.介绍 3.先前技术(历史介绍) 4.重建过程 4.1 关键点的检测和匹配 4 ...
最新文章
- Xshell使用xftp传输文件,使用pure-ftpd搭建ftp服务
- 过度加班被表彰引员工不满。官方回应:持续高强度的急行军不持久,尽快优化调整...
- gateway动态路由_spring-cloud-gateway简介
- iOS系类教程之用instruments来检验你的app
- Linux内核分析(三)----初识linux内存管理子系统
- UI体系的本质是结构化存在
- Object Detection: Face Detection using Haar Cascades
- 火狐中javascript
- js布尔类型+数字判断_C ++中的布尔数据类型
- 《C++(二)--智能指针》
- apicloud 请删除手机中的apploader后在尝试
- 二叉树多种遍历的时间复杂度和空间复杂度
- 2022出海非洲:加纳电商市场现状及发展前景
- mysql存储过程 根据查询的结果集向表中插入数据
- Linux_ubuntuwindows双系统grub引导修复
- 打算自学一些编程,想兼职程序员打零工,想问问现在哪个程序员兼职平台单子简单,不考察接单人学历?
- 生活杂感: 理性与感性
- mysql分片做主从_使用mycat部署mysql集群(分片,读写分离,主从复制)
- 极点突然中文标点变全角了
- Linux —— 线程安全
热门文章
- 广西省防城港市谷歌卫星地图下载
- 某某找房cookie必要参数acw_sc__v2加密
- 处理爬虫是返回setCookie的一段js获取acw_sc__v2的方法
- Flink Caused by:org.apache.flink.streaming.connectors.kafka.internal.Handover$ClosedException
- 算法——迪克斯特拉算法
- 山东智慧电子秤农贸市场升级软硬件方案
- chi2inv函数 matlab_matlab常用命令
- ppt中如何合并流程图_简单4招,教你轻松搞定PPT中的流程图!
- Data Visualization(二)
- 面试官问:用户钱付了,订单还是显示未支付,怎么解决?