論文の概要: LinSlot: Exploiting Linear Representation hypothesis for unsupervised attribute discovery from slot based object representation
- arxiv url: http://arxiv.org/abs/2610.10722v1
- Date: Wed, 07 Oct 2026 18:04:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.620376
- Title: LinSlot: Exploiting Linear Representation hypothesis for unsupervised attribute discovery from slot based object representation
- Title（参考訳）: LinSlot: スロットベースオブジェクト表現からの教師なし属性発見のための線形表現仮説の展開
- Abstract要約: 本研究では,非構造化画像データからオブジェクトとその属性の非絡み合い表現を学習する問題について検討する。
我々の重要な貢献はLinear Representation hypothesis (LRH) を利用しており、これは構成可能な概念がスロット表現において線形加法的部分空間として表現できることを仮定している。
本稿では,ブロックアテンションを利用して属性表現をスロットに接続し,オブジェクトおよび属性表現空間にLRHを組み込むアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 7.72527639147646
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper studies the problem of learning disentangled representations of objects and their attributes from raw, unstructured image data. Slot-based methods have shown considerable success in unsupervised learning of object representations from images. Block-slot attention-based methods extend this framework to attribute representations by assuming a uniform factorization of object representations into attributes, which may be suboptimal and consequently limit the quality of the learned representations. We therefore investigate a framework for jointly discovering object and attribute representations. Our key contribution is leveraging the Linear Representation Hypothesis (LRH), which postulates that composable concepts can be represented as linearly additive subspaces in slot representations. Based on this insight, we propose a probabilistic model connecting images, slots (objects), and blocks (attributes). We present an architecture that leverages block attention to connect attribute representations to slots and incorporates LRH in both object and attribute representation spaces. This architecture effectively optimizes the Evidence Lower Bound (ELBO) of the proposed graphical model. Our experiments demonstrate (i) effective discovery of disentangled object and attribute representations, (ii) empirical evidence for LRH in slot space, and (iii) the ability to perform image editing owing to the disentangled and interpretable nature of the learned representations. Our experiments on multiple datasets demonstrate improvements in DCI scores over state-of-the-art methods.
- Abstract（参考訳）: 本稿では,非構造化画像データからオブジェクトとその属性の非絡み合い表現を学習する問題について検討する。
スロットに基づく手法は、画像からのオブジェクト表現の教師なし学習において、かなりの成功を収めている。
ブロックスロットアテンションに基づく手法は、オブジェクト表現の属性への一様分解を仮定することで、このフレームワークを属性表現に拡張する。
そこで本研究では,オブジェクトと属性表現を共同で発見するフレームワークについて検討する。
我々の重要な貢献はLinear Representation hypothesis (LRH) を利用しており、これは構成可能な概念がスロット表現において線形加法的部分空間として表現できることを仮定している。
この知見に基づいて,画像,スロット(オブジェクト),ブロック(属性)を接続する確率論的モデルを提案する。
本稿では,ブロックアテンションを利用して属性表現をスロットに接続し,オブジェクトおよび属性表現空間にLRHを組み込むアーキテクチャを提案する。
このアーキテクチャは,提案したグラフィカルモデルのエビデンス・ロー・バウンド(ELBO)を効果的に最適化する。
私たちの実験は
一 乱れ物及び属性表現の有効発見
(二)スロット空間におけるLRHの実証的証拠、及び
三 学習した表現の歪んだ、解釈可能な性質により、画像編集を行うことができること。
複数のデータセットに対する実験は、最先端の手法よりもDCIスコアが向上したことを示す。
関連論文リスト
- Multi-Part Object Representations via Graph Structures and Co-Part Discovery [24.418060973308908]
本稿では,部分の明示的なグラフ表現を活用する新しい手法を提案する。
シミュレーション,現実的,実世界の画像による実験結果は,最先端の手法と比較して,発見対象の品質が著しく向上したことを示している。
また、検出したオブジェクト中心表現により、下流タスクにおける重要なオブジェクト特性をより正確に予測できることを示す。
論文 参考訳（メタデータ） (2025-12-20T03:38:41Z) - Oh-A-DINO: Understanding and Enhancing Attribute-Level Information in Self-Supervised Object-Centric Representations [9.949149600332836]
自己教師付き視覚モデルとスロットベース表現はエッジ由来の幾何学の同定に優れるが、幾何学的でない表面レベルの手がかりを保存できない。
VAE正則化はコンパクトで不整合なオブジェクト中心の表現を強制し、これらの欠落した属性を復元する。
論文 参考訳（メタデータ） (2025-03-12T21:57:41Z) - Hybrid Discriminative Attribute-Object Embedding Network for Compositional Zero-Shot Learning [83.10178754323955]
HDA-OE(Hybrid Discriminative Attribute-Object Embedding)ネットワークは,属性とオブジェクトの視覚表現との複雑な相互作用を解決するために提案される。
トレーニングデータの多様性を高めるため、HDA-OEは属性駆動型データ合成(ADDS)モジュールを導入した。
HDA-OEは、モデルの識別能力をさらに向上するため、サブクラス駆動の差別的埋め込み(SDDE)モジュールを導入している。
提案モデルを3つのベンチマークデータセットで評価し,その妥当性と信頼性を検証した。
論文 参考訳（メタデータ） (2024-11-28T09:50:25Z) - ArtVLM: Attribute Recognition Through Vision-Based Prefix Language Modeling [32.55352435358949]
属性認識のための文生成に基づく検索定式化を提案する。
画像上で認識される各属性に対して、短い文を生成する視覚条件付き確率を測定する。
生成的検索が2つの視覚的推論データセットのコントラスト的検索を一貫して上回ることを示す実験を通して実証する。
論文 参考訳（メタデータ） (2024-08-07T21:44:29Z) - Hierarchical Visual Primitive Experts for Compositional Zero-Shot
Learning [52.506434446439776]
合成ゼロショット学習(CZSL)は、既知のプリミティブ(属性とオブジェクト)の事前知識で構成を認識することを目的としている。
このような問題に対処するために,コンポジショントランスフォーマー(CoT)と呼ばれるシンプルでスケーラブルなフレームワークを提案する。
提案手法は,MIT-States,C-GQA,VAW-CZSLなど,いくつかのベンチマークでSoTA性能を実現する。
論文 参考訳（メタデータ） (2023-08-08T03:24:21Z) - Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。
画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。
オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
論文 参考訳（メタデータ） (2023-07-07T04:03:48Z) - Attribute Prototype Network for Any-Shot Learning [113.50220968583353]
属性ローカライズ機能を統合した画像表現は、任意のショット、すなわちゼロショットと少数ショットのイメージ分類タスクに有用である、と我々は主張する。
クラスレベルの属性のみを用いてグローバルな特徴とローカルな特徴を共同で学習する新しい表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-04-04T02:25:40Z) - Transforming Feature Space to Interpret Machine Learning Models [91.62936410696409]
この貢献は、特徴空間変換のレンズを通して機械学習モデルを解釈する新しいアプローチを提案する。
非条件的および条件付きポストホック診断ツールの拡張に使用できる。
提案手法の可能性を実証するために,46特徴のリモートセンシング土地被覆分類の事例研究を行った。
論文 参考訳（メタデータ） (2021-04-09T10:48:11Z) - Attribute Prototype Network for Zero-Shot Learning [113.50220968583353]
差別的グローバルな特徴と局所的な特徴を共同で学習するゼロショット表現学習フレームワークを提案する。
本モデルでは,画像中の属性の視覚的証拠を指摘し,画像表現の属性ローカライゼーション能力の向上を確認した。
論文 参考訳（メタデータ） (2020-08-19T06:46:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。