FiLM: Visual Reasoning with a General Conditioning Layer
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Scores machine (provisoires)
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
- Écart entre enseignants
- 0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
- Statut de validation
score_only:v0-immature-baseline· tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle
Résumé
We introduce a general-purpose conditioning method for neural networks called FiLM: Feature-wise Linear Modulation. FiLM layers influence neural network computation via a simple, feature-wise affine transformation based on conditioning information. We show that FiLM layers are highly effective for visual reasoning - answering image-related questions which require a multi-step, high-level process - a task which has proven difficult for standard deep learning methods that do not explicitly model reasoning. Specifically, we show on visual reasoning tasks that FiLM layers 1) halve state-of-the-art error for the CLEVR benchmark, 2) modulate features in a coherent manner, 3) are robust to ablations and architectural modifications, and 4) generalize well to challenging, new data from few examples or even zero-shot.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
La notice
- Revue
- Proceedings of the AAAI Conference on Artificial Intelligence
- Thématique
- Multimodal Machine Learning Applications
- Domaine
- Computer Science
- Établissements canadiens
- Canadian Institute for Advanced ResearchUniversité de Montréal
- Organismes subventionnaires
- Fonds de recherche du Québec – Nature et technologiesCHIST-ERANvidia
- Mots-clés
- Affine transformationComputer scienceBenchmark (surveying)Artificial intelligenceFeature (linguistics)ComputationTransformation (genetics)Artificial neural networkSimple (philosophy)Layer (electronics)Visual reasoningImage (mathematics)Task (project management)Process (computing)Pattern recognition (psychology)Machine learningAlgorithmMathematics
- Résumé présent dans OpenAlex
- oui