内容简介
该论文由上海交通大学的Yong-Lu Li等人发表在CVPR 2020。本文在属性-对象组合配对问题当中提出对称性法则并同群论公理相结合,以使得在对象去属性和对象添加属性变换更加合理。同时提出相对移动距离(RMD Relative Moving Distance)模型来利用属性自身的变化而不是属性本身的特征来对属性进行分类。
本文将从论文背景、模型构建、实验结果和个人思考四个方面出发来介绍该论文。
一、模型背景
由图a上半部可以发现,在对象-属性组合问题当中,属性同对象之间具有组成性。同时,属性和对象之间同样需要保持上下文特性,即在对一个对象添加/删除属性后输出的结果应当同时具备对象自身的原始特征,否则添加/删除属性的过程将无意义。
本文作者着重提出,添加属性或删除属性的过程显然具备“对称性”。如上图(b)所示,对已经剥皮的苹果,我们再添加一个剥皮的属性,结果显然仍是一个被剥皮的苹果。同理,我们对一个没有剥皮的苹果删除掉剥皮的属性,结果显然仍是一个未剥皮的苹果。
该对称性的加入使得模型在处理相同特征叠加和去除对象不具备特征两个过程表现的更好,从而使模型具有更好的鲁棒性。
二、模型构建
2.1基本操作定义
根据上文所述的对象与属性之间的交互过程,可以得到耦合操作(T+)和解耦操作(T-)。同时,还需