LinSlot：无监督发现物体与属性表示
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Computer VisionLinSlot：利用线性表示假设从基于 slot 的物体表示中无监督发现属性
LinSlot 提出一个联合发现物体与属性表示的概率模型，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。该架构用 block attention 把属性表示连接到 slot，并在物体与属性两个表示空间中融入 LRH，优化所提图模型的证据下界（ELBO）。多数据集实验显示其 DCI 分数优于现有方法，并支持图像编辑。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.