BriefGPT - AI 论文速递
·
头尾协作学习网络用于无偏场景图生成
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一个模型无关的头尾协作学习（HTCL）网络，解决长尾分布谓词导致的头偏见预测挑战。通过协作特征表示分支，准确识别头部和尾部谓词，并提出自监督学习方法提高尾部偏好特征表示分支的预测能力。实验证明，该方法在数据集上取得更高的平均召回率，达到新的最新技术水平。
🎯
关键要点
-
提出了一个模型无关的头尾协作学习（HTCL）网络。
-
旨在解决长尾分布谓词导致的头偏见预测挑战。
-
通过协作特征表示分支，准确识别头部和尾部谓词。
-
提出自监督学习方法以提高尾部偏好特征表示分支的预测能力。
-
实验证明该方法在VG150、Open Images V6和GQA200数据集上取得更高的平均召回率。
-
整体性能上实现了新的最新技术水平。
➡️
