重新审视部分解耦的解耦变分自编码器中的总相关性
机器学习
2025-02-05 v1 神经元与认知
摘要
完全解耦的变分自编码器 (VAE) 旨在从观测中识别出解耦的潜在分量。然而，强制所有潜在分量之间完全独立对于某些数据集可能过于严格。在某些情况下，多个因子可能以不可分的方式纠缠在一起，或者单一的独立语义含义可能由高维流形中的多个潜在分量表示。为了更灵活地应对此类场景，我们开发了部分解耦 VAE (PDisVAE)，它将完全解耦 VAE 中的总相关性 项推广为部分相关性 项。该框架能够处理组内独立性，并可自然地退化为标准 VAE 或完全解耦 VAE。通过三个合成实验的验证，证明了 PDisVAE 的正确性与实用性。应用于真实数据集时，PDisVAE 发现了使用完全解耦 VAE 难以找到的有价值信息，展现了其通用性与有效性。
引用
@article{arxiv.2502.02279,
title = {A Revisit of Total Correlation in Disentangled Variational Auto-Encoder with Partial Disentanglement},
author = {Chengrui Li and Yunmiao Wang and Yule Wang and Weihan Li and Dieter Jaeger and Anqi Wu},
journal= {arXiv preprint arXiv:2502.02279},
year = {2025}
}