ACL2016-视觉方向研讨会-Combining Lexical and Spatial Knowledge to Predict Spatial Relations between Obje...

title:Combining Lexical and Spatial Knowledge to Predict Spatial Relations between Objects in Images

题目:结合词汇和空间知识来预测图像中对象之间的空间关系


摘要:

图像的显式表示对于与图像有关的语言应用很有用。我们设计了一个基于一阶型的表示方法,这个方法可以捕获图像中存在的对象及其空间关系。我们对空间关系分类问题采取了监督学习的方法,并且研究了空间和以及字典信息在预测上的性能表现。我们发现,当结合位置信息时候,字典信息对于预测空间信息是十分必须的。我们获得了一个0.8的F-score分数,相比较而言,最常见的基线为0.62。


介绍:

根据数字图像数据的不断增长,一个能够自动将数据链接到语言的方法是很有价值的。鉴于数字图像数据的数量不断增长,自动将数据链接到语言的方法非常有用。 由于语言技术和计算机视觉各个领域的最新进展,结合这两个领域的研究变得越来越流行,包括自动生成字幕(Karpathy和Fei-Fei,2014; Elliott和Keller,2013; Elliott等, 2014年,Kulkarni等人,2011年,Vinyals等人,2014年,Yang等人,2011年)以及将文本翻译成视觉场景(Coyne等人,2010年)。

尚未广泛研究的一项任务是从图像中自动提取丰富的抽象表示(Neumann和Moller,2008; Malinowski和Fritz,2014)。 ¨图像的形式表示不只是命名存在的对象; 它也可以通过包含对象之间的空间关系来说明视觉场景的某些结构。 这些信息可以增强语言和视觉之间的界面。 例如,想象一下,搜索显示“骑着自行车的人”的图像:图片必须同时包含一个人和一个自行车,但还不够。 为了满足该查询,该人还必须以某种方式连接到自行车,他的脚放在踏板上,手放在方向盘上。

我们认为,考虑到空间关系的图像表示可以实现语言和视觉之间更复杂的交互,而不仅仅是基本对象共现。

  本文的目的是使用一阶模型的扩展来表示真实情况的图像。 为了获得这样的模型,我们需要(a)高质量,覆盖面广的对象定位和识别以及方法(b)准确确定对象特征并(c)检测对象之间的空间关系。

由于尚无大范围物体检测系统,因此我们手动执行步骤(a)和(b)。 因此,在本文中,我们集中于步骤(c):空间关系的检测。 这很困难,因为可以通过多种方式在视觉场景中实现给定的关系。 我们要回答的问题是经典逻辑的一阶模型是否适合表示图像,以及哪些特征适合检测图像中对象之间的空间关系。 特别是,我们要研究词汇知识对确定空间关系的影响,而与对象识别的质量无关。

PS:比如骑车的,骑这个词汇在图像中的动作(空间关系)。

论文结构如下。 我们将首先提供有关空间关系的更多背景知识(第2部分)以及有关将视觉与语言技术结合起来的相关工作(第3部分)。 然后,我们将在第4节中介绍我们的数据集,该数据集包含一百个图像以及总共583个需要确定空间关系的定位对象。 在第5节中,我们详细概述了分类方法,并介绍和讨论了结果。


2.背景-空间关系

在本文中,我们专注于预测图像中空间关系的任务,研究三种关系(部分part-of即A是否是B中的一部分,接触touching,支撑supports;请参见第4节)。 我们将检测到的空间关系整合到从逻辑中借用的一阶模型中,从而提供了易于扩展的图像表示。 一旦检测到,空间关系还可以用作预测对象之间(例如动作之间)更具体的谓词的有用基础。 例如,“骑乘”以触摸为前提,而“携带”或“握住”为前提是被其他物体支撑或支撑的物体。 两个物体的空间配置限制了它们之间可能的(并且合理的)空间关系。 例如,两个对象只有在彼此足够靠近的情况下才可以触摸。

  对象属性的知识进一步限制了可能的关系集。 例如,如果要求确定图1中的两个对象是否处于部分关系中,则仅凭空间就很难做出决定,也就是说,不知道对象是什么(通过涂黑图片表示)。 在这种情况下,空间配置本身无法提供足够的信息来自信地回答这个问题。

但是,有关对象本身的信息(超出其位置)可改善空间关系预测。 考虑图2:当我们揭示对象的身份时,我们可以确定冰激凌和男孩没有部分关系,而猫和头却存在。 这种关于空间关系的推论对人类来说是直截了当的,而对于计算机而言,这是一项艰巨的任务。 但是,我们建议可以从诸如WordNet(Miller,1995)和大文本语料库之类的词汇资源中收集有用的机器可读的世界知识。

尽管许多研究人员专注于生成图像的文字描述(Karpathy和Fei-Fei,2014; Elliott和Keller,2013; Elliott等,2014; Kulkarni等,2011; Vinyals等,2014; Yang等 ,2011年),从图像导出一阶语义模型是迄今为止尚未尝试的任务。 使用抽象模型而不是文本标签的优点是可以轻松进行推断。 推理过程包括查询模型以及检查一致性和信息性。 这极大地促进了图像数据库的维护,并启用了诸如问题回答和图像检索之类的应用程序(Elliott等,2014)。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,468评论 5 473
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,620评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,427评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,160评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,197评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,334评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,775评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,444评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,628评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,459评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,508评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,210评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,767评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,850评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,076评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,627评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,196评论 2 341