一种用于无监督解耦的谱正则化器
机器学习
2019-02-07 v2 人工智能
机器学习
摘要
具有解耦表示的生成模型可对不同输出方面进行独立控制。学习解耦表示近来备受关注，但其内在机制仍知之甚少。我们证明，即便对于不具备解耦表示的 GAN，也能在潜空间中找到发生局部解耦的弯曲轨迹。这些轨迹通过迭代跟随生成器相对于其输入的 Jacobian 的前导右奇异向量获得。基于该洞见，我们描述了一种将这些向量与坐标轴对齐的高效正则化器，并表明它可用于以完全无监督的方式在 GAN 中诱导解耦表示。
引用
@article{arxiv.1812.01161,
title = {A Spectral Regularizer for Unsupervised Disentanglement},
author = {Aditya Ramesh and Youngduck Choi and Yann LeCun},
journal= {arXiv preprint arXiv:1812.01161},
year = {2019}
}