摘要

我们介绍了一种适用于神经网络的通用调节方法，称为FiLM（Feature-wise Linear Modulation，特征级线性调制）。FiLM层通过基于调节信息的简单特征级仿射变换来影响神经网络的计算。我们展示了FiLM层在视觉推理任务中具有很高的有效性——这类任务需要多步骤、高层次的处理过程，而传统的深度学习方法由于没有显式建模推理过程，在此类任务上表现不佳。具体而言，我们在视觉推理任务中证明了FiLM层可以：1）将CLEVR基准测试的最先进错误率降低一半；2）以连贯的方式调制特征；3）对消融实验和架构修改具有鲁棒性；4）从少量示例甚至零样本中很好地泛化到具有挑战性的新数据。