文献

J-GLOBAL ID：202002294172512319   整理番号：20A2526450

自然監視下の確率的定式化による解釈可能な視覚的推論【JST・京大機械翻訳】

Interpretable Visual Reasoning via Probabilistic Formulation Under Natural Supervision

著者 (9件)： Han Xinzhe (University of Chinese Academy of Sciences, Beijing, China) ,  Han Xinzhe (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, CAS, Beijing, China) ,  Wang Shuhui (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, CAS, Beijing, China) ,  Su Chi (Kingsoft Cloud, Beijing, China) ,  Zhang Weigang (Harbin Institute of Technology, Weihai, China) ,  Huang Qingming (University of Chinese Academy of Sciences, Beijing, China) ,  Huang Qingming (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, CAS, Beijing, China) ,  Huang Qingming (Peng Cheng Laboratory, Shenzhen, China) ,  Tian Qi (Shenzhen University, Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12354  ページ： 553-570  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 視覚推論は視覚質問回答(VQA)にとって重要である。しかし,ラベル付きプログラムなしでは,自然監視の下での陰的推論はまだ非常に困難であり,以前のモデルは解釈が困難である。本論文では,VQAにおける陰的推論プロセスを再考し,観測された質問と予測回答に対する関節分布の対数尤度を最大化する新しい定式化を提案した。従って,潜在空間における逐次計画として暗黙推論プロセスをモデル化する時間推論ネットワーク(TRN)フレームワークを導出した。著者らのモデルは,可視化によるプロバビットと推論プロセスにおける両方のモデル設計で解釈できる。TRNは,様々なデータセットにわたって陰的推論をサポートすることができることを実験的に実証した。著者らのモデルの実験結果は,既存の暗黙推論モデルに対して競合して,前進段階において余分な計算コストなしで,複雑な推論タスクに関して大きなマージンによって基準線を上回った。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *視覚 ,  ネットワーク ,  可視化 ,  基準線 ,  *定式化 ,  機械学習
準シソーラス用語： 計算コスト ,  対数尤度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚質問応答 ,  暗黙推論 ,  時間的推論ネットワーク ,  説明可能な機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 確率 ,  定式化 ,  視覚 ,  推論