Human-nameable visual “attributes”

Human-nameable visual “attributes” can benefit various
recognition tasks. However, existing techniques restrict
these properties to categorical labels (for example, a person
is ‘smiling’ or not, a scene is ‘dry’ or not), and thus
fail to capture more general semantic relationships. We
propose to model relative attributes. Given training data
stating how object/scene categories relate according to different
attributes, we learn a ranking function per attribute.
The learned ranking functions predict the relative strength
of each property in novel images. We then build a generative
model over the joint space of attribute ranking outputs,
and propose a novel form of zero-shot learning in which the
supervisor relates the unseen object category to previously
seen objects via attributes (for example, ‘bears are furrier
than giraffes’). We further show how the proposed relative
attributes enable richer textual descriptions for new images,
which in practice are more precise for human interpretation.
We demonstrate the approach on datasets of faces and
natural scenes, and show its clear advantages over traditional
binary attribute prediction for these new tasks.

ผลลัพธ์ (ไทย) 1:

มนุษย์ nameable visual "คุณลักษณะ" สามารถได้รับประโยชน์ต่าง ๆการรับรู้งาน อย่างไรก็ตาม เทคนิคที่มีอยู่จำกัดคุณสมบัติเหล่านี้กับป้ายชื่อที่แน่ชัด (เช่น คนคือ 'รอยยิ้ม' หรือไม่ ฉากเป็น 'แห้ง' หรือไม่), และดังนั้นการถ่ายภาพทั่วไปตรรกความสัมพันธ์ล้มเหลว เราเสนอแบบสัมพัทธ์แอตทริบิวต์ ข้อมูลการฝึกอบรมกำหนดระบุว่า ประเภทวัตถุ/ฉากสัมพันธ์ตามแตกต่างกันแอตทริบิวต์ เราเรียนรู้ฟังก์ชันการจัดลำดับต่อแอตทริบิวต์ฟังก์ชันการจัดอันดับได้เรียนรู้การทำนายความสัมพันธ์ของแต่ละคุณสมบัติในนวนิยายภาพ เราสร้างส่วนที่รุ่นผ่านพื้นที่ร่วมของแอตทริบิวต์ที่เอาต์พุต การจัดอันดับและเสนอแบบนวนิยายของภาพศูนย์การเรียนรู้ซึ่งการผู้บังคับบัญชาประเภทมองไม่เห็นวัตถุที่เกี่ยวข้องกับก่อนหน้านี้เห็นวัตถุผ่านแอตทริบิวต์ (เช่น, ' หมีมี furrierกว่ายีราฟ) เราเพิ่มเติมแสดงว่าญาติเสนอแอตทริบิวต์เปิดขึ้นเป็นข้อความคำอธิบายภาพใหม่ซึ่งในทางปฏิบัติชัดเจนยิ่งขึ้นสำหรับมนุษย์ตีเราแสดงให้เห็นถึงวิธีการในชุดข้อมูลของใบหน้า และฉากธรรมชาติ และแสดงชัดเจนประโยชน์มากกว่าแบบดั้งเดิมแอตทริบิวต์ไบนารีการคาดเดาสำหรับงานเหล่านี้

ผลลัพธ์ (ไทย) 2:

มนุษย์ nameable ภาพ "แอตทริบิวต์" สามารถได้รับประโยชน์ต่างๆ
งานที่ได้รับการยอมรับ แต่เทคนิคที่มีอยู่ จำกัด
คุณสมบัติเหล่านี้ป้ายเด็ดขาด (ตัวอย่างเช่นคน
คือ 'รอยยิ้ม' หรือไม่เป็นฉากที่เป็นของแห้งหรือไม่) และทำให้
ล้มเหลวในการจับภาพความสัมพันธ์ของความหมายที่กว้างขึ้น เรา
ได้นำเสนอรูปแบบแอตทริบิวต์ญาติ เมื่อได้รับข้อมูลการฝึกอบรม
ที่ระบุว่าประเภทวัตถุ / ฉากที่เกี่ยวข้องที่แตกต่างกันไปตาม
ลักษณะที่เราเรียนรู้ฟังก์ชั่นการจัดอันดับต่อแอตทริบิวต์.
ฟังก์ชั่นเรียนรู้การจัดอันดับทำนายความแข็งแรง
ของสถานที่ให้บริการในแต่ละภาพนวนิยาย จากนั้นเราจะสร้างการกำเนิด
รูปแบบมากกว่าพื้นที่ร่วมกันของผลการจัดอันดับแอตทริบิวต์
และนำเสนอรูปแบบนวนิยายของศูนย์การยิงการเรียนรู้ในการที่
ผู้บังคับบัญชาที่เกี่ยวข้องหมวดหมู่วัตถุที่มองไม่เห็นไปก่อนหน้านี้
วัตถุที่เห็นผ่านทางคุณลักษณะ (เช่น 'หมีขน
กว่ายีราฟ ') เรายังแสดงให้เห็นว่าญาติเสนอ
คุณลักษณะที่ช่วยให้รายละเอียดเกี่ยวกับใจที่ดียิ่งขึ้นสำหรับภาพใหม่
ซึ่งในทางปฏิบัติมีความแม่นยำมากขึ้นสำหรับการตีความของมนุษย์.
เราแสดงให้เห็นถึงวิธีการในชุดข้อมูลของใบหน้าและ
ฉากธรรมชาติและแสดงให้เห็นข้อดีที่ชัดเจนกว่าแบบดั้งเดิม
ทำนายแอตทริบิวต์ไบนารีเหล่านี้ งานใหม่

ผลลัพธ์ (ไทย) 3:

มนุษย์ nameable ภาพ " แอตทริบิวต์ " ได้ประโยชน์ต่าง ๆงานรับรู้ อย่างไรก็ตาม เทคนิคที่มีอยู่จำกัดคุณสมบัติเหล่านี้ฉลากอย่างแท้จริง ( เช่น , คน" ยิ้ม " หรือไม่ ฉาก " แห้ง " หรือไม่ และดังนั้นจึงล้มเหลวในการจับทั่วไปความหมาย ความสัมพันธ์ เราขอแบบลักษณะสัมพัทธ์ ให้ข้อมูลการฝึกอบรมระบุว่าวัตถุ / ฉากประเภทที่เกี่ยวข้องตามที่ต่าง ๆคุณลักษณะ เราเรียนรู้การจัดอันดับฟังก์ชันต่อคุณลักษณะการจัดอันดับเรียนรู้ฟังก์ชันทำนายความแข็งแรงสัมพัทธ์ของแต่ละคุณสมบัติในรูปนวนิยาย จากนั้นเราก็สร้างเข้ารูปแบบพื้นที่ร่วมกันของลักษณะผลผลิตในการจัดอันดับและนำเสนอรูปแบบใหม่ของศูนย์การเรียนรู้ที่ยิงผู้ดูแลความสัมพันธ์ประเภทวัตถุที่มองไม่เห็นก่อนหน้านี้เห็นวัตถุผ่านคุณลักษณะ ( เช่น furrier หมีกว่ายีราฟ " ) เรายังแสดงวิธีการเสนอสัมพัทธ์คุณลักษณะที่ช่วยให้รวยข้อความคำอธิบายสำหรับภาพใหม่ซึ่งในการฝึกจะยิ่งแม่นยำสำหรับการตีความของมนุษย์เราแสดงให้เห็นถึงแนวทางและข้อมูลในหน้าฉากธรรมชาติและแสดงความชัดเจนและมีข้อดีกว่าแบบดั้งเดิมการทำนายคุณลักษณะไบนารีสำหรับงานใหม่เหล่านี้