# 线性表示假设

LinSlot 提出一个连接图像、槽（物体）与块（属性）的概率生成模型，把线性表示假设同时施加在物体与属性表示空间，并用块注意力从槽中推断属性；在 CLEVR-Easy、CLEVR-Hard、CLEVR-Tex 上，其 DCI 与 FG-ARI 优于槽注意力、SLATE+ 与 SysBinder 等基线，同时给出槽空间存在全局 delta 方向的证据。

LinSlot 提出一个连接图像、槽（物体）与块（属性）的概率生成模型，把线性表示假设同时施加在物体与属性表示空间，并用块注意力从槽中推断属性；在 CLEVR-Easy、CLEVR-Hard、CLEVR-Tex 上，其 DCI 与 FG-ARI 优于槽注意力、SLATE+ 与 SysBinder 等基线，同时给出槽空间存在全局 delta 方向的证据。