Priorità di Maschera Allineate all'Osservazione per l'Apprendimento della Dinamica Fisica da Occlusioni Autentiche

Il framework delle Priorità di Maschera Allineate all'Osservazione affronta il problema dell'apprendimento della dinamica fisica da osservazioni incomplete, in particolare quando le occlusioni sono strutturate e dipendenti dal campione. Inizialmente, una Rete a Flusso Bayesiano (BFN) viene pre-addestrata utilizzando maschere di osservazione binarie per comprendere le strutture di occlusione reali. Successivamente, il campionamento BFN viene guidato da un obiettivo di entropia incrociata globalmente normalizzato, producendo maschere specifiche per campione che corrispondono a ciascuna osservazione sparsa. Il contesto è stabilito dalla sovrapposizione delle maschere guidate e osservate, mentre le restanti voci osservate fungono da target di query per un modello di ricostruzione basato su diffusione. Questo metodo innovativo elimina la necessità di regole di mascheramento euristiche o distribuzioni di maschera preimpostate, facilitando un apprendimento più preciso della dinamica da occlusioni genuine.