QQ在線
企業(yè)微信
資訊
506一條狗，即使是之前從未見過的品種、顏色，我們也能一眼認(rèn)出它。
對周遭任何變化的感知是人類與生俱來的能力。
但是人工智能系統(tǒng)就不一樣了，即使級別SOTA，能完成無數(shù)人類完成不了的任務(wù)，但也有很多對人類來說輕而易舉的事情，它卻搞不定，比如，讓金毛換個(gè)角度：正面、側(cè)面、前面、后面，人工智能可能會(huì)識(shí)別地很掙扎。
深度學(xué)習(xí)模型擅長解釋像素和標(biāo)簽之間的統(tǒng)計(jì)模式，但卻很難通過許多潛在的自然變化正確識(shí)別對象。
那是掃雪機(jī)在路上掃雪嗎？還是一輛校車側(cè)翻了？
上圖是根據(jù)M.A. Alcorn等人的 "Strike(with)a pose: Neural networks are easily fooled by strange poses of familiar objects"繪制，顯示了一個(gè)深度神經(jīng)網(wǎng)絡(luò)將一輛公共汽車錯(cuò)誤地分類為掃雪車。
人類可以瞬間知道，但是顏色、大小和透視等因素使情況復(fù)雜化，增加了人工智能模型的預(yù)測難度。
Facebook AI一直在探索如何更好地捕捉自然變化，在這方面，傳統(tǒng)解決方案有很大局限性，即所謂的解糾纏（disentanglement）。我們最近還提出了等變化移位算子（equivariant shift operator）的概念，這是一種替代解的概念證明，可以幫助模型理解通過模擬最常見的變換，物體可能會(huì)發(fā)生怎樣的變化。
目前，F(xiàn)acebook AI在這方面的工作主要是理論性的，但是對于深度學(xué)習(xí)模型，特別是計(jì)算機(jī)視覺潛力巨大: 增加了可解釋性和準(zhǔn)確性，即使在小數(shù)據(jù)集上訓(xùn)練也有更好的性能，并提高了泛化能力。Facebook AI希望這些貢獻(xiàn)能夠使計(jì)算機(jī)視覺向前推進(jìn)一步，更好地理解視覺世界的復(fù)雜性。
現(xiàn)行方法的局限
目前的解糾纏方法試圖通過將模型中的每個(gè)因子編碼到模型內(nèi)部表示的一個(gè)單獨(dú)的子空間中，來學(xué)習(xí)模型中對象的基本變換。
例如，解糾纏可能將狗圖像的數(shù)據(jù)集編碼為姿態(tài)、顏色和品種子空間。
這種方法在識(shí)別剛性數(shù)據(jù)集的變化因素方面很有優(yōu)勢，比如一個(gè)單一的 MNIST 數(shù)字或者一個(gè)單一的對象，比如一把椅子，但是我們已經(jīng)發(fā)現(xiàn)，在多個(gè)分類中，解糾纏的表現(xiàn)很差。
想象一下多個(gè)旋轉(zhuǎn)的形狀，比如三角形和正方形。解糾纏模型試圖將物體的形狀和方向這兩個(gè)變化因素分離成兩個(gè)變化因素。
下圖說明了傳統(tǒng)的解糾纏是無法在多個(gè)形狀的數(shù)據(jù)集中孤立旋轉(zhuǎn)的。我們期望高亮顯示的形狀會(huì)旋轉(zhuǎn)，但是由于解糾纏失敗，形狀仍然是固定的。
解糾纏還帶來了拓?fù)淙毕荩@是一系列眾多變換中的另一個(gè)問題。拓?fù)淙毕葸`背連續(xù)性——深度學(xué)習(xí)模型的本質(zhì)屬性。如果沒有連續(xù)性，深度學(xué)習(xí)模型可能很難有效地學(xué)習(xí)數(shù)據(jù)中的模式。
想象一下正三角形的旋轉(zhuǎn)。旋轉(zhuǎn)120度的正三角形與原來的三角形無法區(qū)分，導(dǎo)致在方向空間中有相同的表示。然而，通過在三角形的一個(gè)角上加一個(gè)無窮小的點(diǎn)，表示變得可辨別，違反了連續(xù)性。附近的圖像映射到相距較遠(yuǎn)的圖像。Facebook AI的研究還表明，拓?fù)淙毕莩霈F(xiàn)在非對稱形狀和許多其他常見的變換中。
利用等變化算子揭示變化因子
有一個(gè)數(shù)學(xué)分支「群論」可以教我們應(yīng)用等變化算子的很多知識(shí)。它表明，一個(gè)直觀的方式來理解變化因素是將他們模擬為一組轉(zhuǎn)換。例如，一個(gè)三角形的旋轉(zhuǎn)有一個(gè)組的結(jié)構(gòu): 90度旋轉(zhuǎn)和30度旋轉(zhuǎn)結(jié)合起來產(chǎn)生120度旋轉(zhuǎn)。
Facebook AI利用這些想法來識(shí)別傳統(tǒng)解糾纏的缺點(diǎn)，并確定如何訓(xùn)練等變化算子來解糾纏。我們提出了一個(gè)等變化算子，稱為移位算子。這是一個(gè)矩陣，其塊體模仿了常見變換的組結(jié)構(gòu)--旋轉(zhuǎn)、平移和重縮放。然后在原始圖像和它們的轉(zhuǎn)換上訓(xùn)練一個(gè)人工智能模型。
這樣就會(huì)發(fā)現(xiàn)，即使在包含多個(gè)類的數(shù)據(jù)集中，移位算子也能成功地學(xué)習(xí)變換--這正是傳統(tǒng)解糾纏經(jīng)常失敗的條件。
