LinSlot：无监督发现物体与属性表示

2026年10月9日，arXiv（Computer Vision）发表 LinSlot 研究，提出一个联合发现物体与属性表示的概率模型。该模型基于线性表示假设（LRH），将可组合概念视为 slot 表示中线性可加的子空间。架构上，LinSlot 使用 block attention 将属性表示连接到 slot，并在物体与属性两个表示空间中融入 LRH，通过优化所提图模型的证据下界（ELBO）进行训练。实验在多个数据集上显示其 DCI 分数优于现有方法，并支持图像编辑。目前公开信息仅见此一篇报道，尚无后续验证或同行评议结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。