【技术实现步骤摘要】
【国外来华专利技术】对情境注意特征和卷积特征的门控
技术介绍
[0001]对诸如图像之类的感知表示的填充(in
‑
filling)涉及替换感知表示的损坏的、劣化的、移除的和/或以其他方式缺失的部分。被替换的部分可以基于感知表示的剩余部分，因此可以与剩余部分一致，使得所得到的感知表示看起来自然、非合成的和/或具有其他期望的质量。可以配置各种机器学习模型、算法和/或架构来便利于对感知表示的填充。
技术实现思路
[0002]可以通过包括门控(gating)层来改善对诸如图像之类的感知表示的一部分的填充，该门控层被配置为显式地确定用于为该部分确定精细样本值的生成特征和复制特征的相对比例。具体地，可以拼接(concatenate)定义感知表示的该部分的掩模(mask)、与感知表示相关联的卷积(生成)特征以及与感知表示相关联的情境(contextual)注意(复制)特征。可以由机器学习模型来处理该拼接，并且该机器学习模型的输出可以用于为感知表示确定多个门控值。多个门控值可以用于加权卷积特征和情境注意特征，从而生成经门控的卷积特征和经门控的情境注意特...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，包括：确定(i)定义感知表示的一部分的掩模、(ii)与所述感知表示相关联的多个卷积特征以及(iii)与所述感知表示相关联的多个情境注意特征；确定所述掩模、所述多个卷积特征和所述多个情境注意特征的拼接；为所述感知表示的所述部分确定多个门控值，其中确定所述多个门控值包括使用机器学习模型处理所述联接；基于所述多个卷积特征和所述多个门控值确定(i)多个经门控的卷积特征，以及基于所述多个情境注意特征和所述多个门控值确定(ii)多个经门控的情境注意特征；和基于所述多个经门控的卷积特征和所述多个经门控的情境注意特征，为所述感知表示的所述部分生成多个精细值。2.根据权利要求1所述的计算机实现的方法，其中所述感知表示的所述部分包括多个样本，并且其中所述计算机实现的方法还包括：通过粗略机器学习模型，针对所述多个样本中的每个相应样本，生成对应的粗略样本值，其中所述多个卷积特征和所述多个情境注意特征中的每一个是基于每个相应样本的所述对应的粗略样本值确定的。3.根据权利要求2所述的计算机实现的方法，其中：所述多个样本中的每个相应样本与(i)所述多个卷积特征中表示所述相应样本的生成样本值的对应的卷积特征以及(ii)所述多个卷积特征中表示所述相应样本的复制样本值的对应的情境注意特征相关联；确定所述多个门控值包括为每个相应样本确定所述多个门控值中的对应门控值；确定(i)所述多个经门控的卷积特征包括为每个相应样本确定所述多个经门控的卷积特征中的对应的经门控的卷积特征，以及确定(ii)所述多个经门控的情境注意特征包括为每个相应样本确定所述多个经门控的情境注意特征中的对应的经门控的情境注意特征；和为所述感知表示的所述部分生成所述精细值包括：针对每个相应样本，基于所述对应的经门控的卷积特征和所述对应的经门控的情境注意特征，生成所述多个精细值中的对应的精细值。4.根据权利要求1
‑
3中任一项所述的计算机实现的方法，其中确定所述多个门控值包括：确定所述拼接与所述机器学习模型的一个或多个卷积核的卷积。5.根据权利要求1
‑
4中任一项所述的计算机实现的方法，其中确定(i)所述多个经门控的卷积特征包括：确定所述多个卷积特征和所述多个门控值的乘积。6.根据权利要求1
‑
5中任一项所述的计算机实现的方法，其中确定(ii)所述多个经门控的情境注意特征包括：基于预定值和所述多个门控值之间的多个差来确定多个残差门控值；和确定(i)所述多个情境注意特征和(ii)所述多个残差门控值的乘积。7.根据权利要求6所述的计算机实现的方法，其中，所述多个门控值中的每个相应门控值通过由所述机器学习模型映射到零和所述预定值之间的范围而产生。8.根据权利要求1
‑
7中任一项所述的计算机实现的方法，其中，生成所述多个精细值包
括：确定所述多个经门控的卷积特征和所述多个经门控的情境注意特征的总和；和基于所述总和生成所述多个精细值。9.根据权利要求1
‑
8中任一项所述的计算机实现...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。