从状态到转换的视觉推理（英文版）

英文标题：Visual Reasoning: from State to Transformation中文摘要：本文提出了一种基于变换的视觉推理任务 (TVR)，并构建了 TRANCE 合成数据集以及基于 COIN 的 TRANCO 真实数据集，用于测试机器对于多步变换场景的推理能力。实验结果表明，目前先进的视觉推理模型在基本的单步变换上表现良好，但在多步变换，多视角下的场景以及 TRANCO 数据集上，机器的推理能力与人类差距较大。该研究的提出将有助于推动机器视觉推理的发展。英文摘要：Most existing visual reasoning tasks, such as CLEVR in VQA, ignore animportant factor, i.e.~transformation. They are solely defined to test how wellmachines understand concepts and relations within static settings, like oneimage. Such \textbf{state drive