让AI认出「生狗」?Facebook构建能感知变化算子的人工智能
一条狗,即使是之前从未见过的品种、颜色,我们也能一眼认出它。
对周遭任何变化的感知是人类与生俱来的能力。
但是人工智能系统就不一样了,即使级别SOTA,能完成无数人类完成不了的任务,但也有很多对人类来说轻而让A易举的事情,它却搞不定,比如,让金毛换个角度:正面、侧面、前面、后面,人工智能可能会识别地很挣扎。
深度学习模型擅长解释像素和标签之间的统计模式,但却很难通过许多潜在的自然变化正确识别对象。
那是扫雪机在路上扫I认雪吗?还是一辆校车侧翻了?
上图是根据M.A. Alcorn等人的 "Strike(with)a pose: Neural networks are easily fooled by strange poses of familiar o出「bjects"绘制,显示了一个深度神经网络将一辆公共汽车错误地分类为扫雪车。
人类可以瞬间知道,但是颜色、大小和透视等因素使情况复杂化,增加了人工智能模型的预测难度。
Facebook AI一直在探索如何更好地捕生狗捉自然变化,在这方面,传统解决方案有很大局限性,即所谓的解纠缠(disentanglement)。我们最近还提出了等变化移位算子(equivariant shift operator)的概念,这是一种替代解的」?概念证明,可以帮助模型理解通过模拟最常见的变换,物体可能会发生怎样的变化。
目前,Facebook AI在这方面的工作主要是理论性的,但是对于深度学习模型,特别是计算机视觉潜力巨大: 增加了可解释性和准确性,即Fa使在小数据集上训练也有更好的性能,并提高了泛化能力。Facebook AI希望这些贡献能够使计算机视觉向前推进一步,更好地理解视觉世界的复杂性。
现行方法的局限
目前的解纠缠方法试图通过将模型中的每个因子编码到模型内部ce表示的一个单独的子空间中,来学习模型中对象的基本变换。
例如,解纠缠可能将狗图像的数据集编码为姿态、颜色和品种子空间。
这种方法在识别刚性数据集的变化因素方面很有优势,比如一个单一的 MNIST 数字或者一个单一的对象,bo比如一把椅子,但是我们已经发现,在多个分类中,解纠缠的表现很差。
想象一下多个旋转的形状,比如三角形和正方形。解纠缠模型试图将物体的形状和方向这两个变化因素分离成两个变化因素。
下图说明了传统的解纠缠是无法在多个ok形状的数据集中孤立旋转的。我们期望高亮显示的形状会旋转,但是由于解纠缠失败,形状仍然是固定的。
解纠缠还带来了拓扑缺陷,这是一系列众多变换中的另一个问题。拓扑缺陷违背连续性——深度学习模型的本质属性。如果没有连续性构建,深度学习模型可能很难有效地学习数据中的模式。
想象一下正三角形的旋转。旋转120度的正三角形与原来的三角形无法区分,导致在方向空间中有相同的表示。然而,通过在三角形的一个角上加一个无穷小的点,表示变得可辨别,能感违反了连续性。附近的图像映射到相距较远的图像。Facebook AI的研究还表明,拓扑缺陷出现在非对称形状和许多其他常见的变换中。
利用等变化算子揭示变化因子
有一个数学分支「群论」可以教我们应用知变等变化算子的很多知识。它表明,一个直观的方式来理解变化因素是将他们模拟为一组转换。例如,一个三角形的旋转有一个组的结构: 90度旋转和30度旋转结合起来产生120度旋转。
Facebook AI利用这些想法来识化算别传统解纠缠的缺点,并确定如何训练等变化算子来解纠缠。我们提出了一个等变化算子,称为移位算子。这是一个矩阵,其块体模仿了常见变换的组结构--旋转、平移和重缩放。然后在原始图像和它们的转换上训练一个人工智能模型。
这子的样就会发现,即使在包含多个类的数据集中,移位算子也能成功地学习变换--这正是传统解纠缠经常失败的条件。
δ
相关文章:
- MiniMax放大招!M2.1模型即将上线,开源AI赛道再掀性能与价格革命
- 标签: 豆包专业版 小米NAS 理想5C增程 李想
- IDC:2021年中国数字政府IT安全硬件市场规模同比增长31.5%
- 标签: 汇顶科技 2025年年报 半导体 指纹识别芯片
- 浜氶┈閫婃敮鎸佺殑Rivian鐢靛姩姹借溅鍏�徃璁″垝鍦ㄧ編鍥藉缓璁剧�浜屽骇宸ュ巶
- 消息称英国政府考虑阻止英伟达收购ARM
- 苹果公司即将启动员工COVID-19疫苗接种计划
- Facebook回应:FTC和多州反垄断诉讼“纯属历史修正主义”
- 标签: 三星电子 OPU芯片 Tsavorite 4nm制程
- AI时代怎么创业?全球云计算龙头主导的这场中国“创业加速器”值得一看
相关推荐:
- 云计算核心技术Docker教程:Docker Swarm 任务和日程安排运行原理
- 标签: 抖音 青创计划 创作者 非遗
- 标签: 特斯拉 拉吉·杰加纳坦 人工智能基础设施 北美销售团队
- 阿里通义7款模型屠榜Hugging Face!全模态大模型Qwen3-Omni登顶全球第一
- 标签: 中国银行 2025年报 跨境金融 全球托管银行
- 阿里交Q4答卷:月活超9亿、净利润增长超50% 阿里云终“转正”
- 谷歌宣布Google Lens新增拍照购物功能
- DeepSeek招人 建GW级算力基础设施
- 云厂商开启价格战 京东云表示随便降 比到底
- Google发布语义分割新数据集!顺带开发个模型屠榜,已被CVPR2021接收
- 马斯克旗下 xAI 数据标注团队裁员500人
- 云计算核心技术Docker教程:Docker Swarm 模式授予服务访问卷或绑定挂载的权限
- 鑳戒笌 GPT-3 鐩稿�缇庯紵EleutherAI 寮€婧� GPT-J
- 标签: 知乎 2025年财报 付费阅读 Non-GAAP盈利
- 秋葵热水煮多长时间
- 用Elastic Block Store(EBS)改善性能和数据可用性 译文
- 数据科学领域的顶级语言:Python 居首,SQL 次之
- 浜戝畨鍏ㄦ棩鎶�210726锛欼BM浼佷笟鏂囦欢浜や粯瑙e喅鏂规�鍙戠幇鎵ц�浠绘剰浠g爜婕忔礊,闇€瑕佸敖蹇�崌绾�
- 标签: 袁娅维 音乐 大东北我的家乡
- 解锁 LLM Agent 力量!Anthropic 发布工具编写指南,助你玩转大语言模型!
