Object-Centric Learning Based on Grouped Discrete Representation

本研究提出了一种分组离散表示（GDR）方法，旨在解决面向对象学习中对特征组成属性的忽视，从而提升模型的泛化能力。实验结果表明，GDR显著提高了基于Transformer和扩散的OCL方法的性能。