动态环境下自主逻辑推理算法

该算法是课题一执行过程中针对动态环境下参数化视觉内容生成任务，提出的一种基于模块网络的自主逻辑推理算法，来处理涉及多属性和细节的复杂视觉场景。该算法提出了函数模块化方法，将每个参数化函数建模为多头自包含的神经模块，以覆盖不同函数变体。此外，为消除函数间复杂关联，我们提出分层异构蒙特卡洛树搜索算法（H2MCTS），该算法能在训练时提供高质量的无关联监督信号，并在测试时作为高效搜索技术。通过在两个数据集Latex2D和Shape3D上的实验，验证了算法的有效性。该算法通过Python语言实现，包含了main.py，config.py等多个功能函数和mpg，domain等多个文件夹。代码产生地点为清华大学东主楼，编写时间为2021年10月到2022年1月，代码量约为2.1M。

搜集汇总

背景与挑战

背景概述

该数据集包含一种针对动态环境下参数化视觉内容生成任务的自主逻辑推理算法，采用函数模块化方法和分层异构蒙特卡洛树搜索算法来处理复杂视觉场景。算法通过Python实现，并在Latex2D和Shape3D数据集上验证了有效性，代码量约为2.1M。