基于分组观测的对抗解耦
机器学习
2020-01-15 v1 机器学习
摘要
我们考虑利用变分自编码器将数据相关属性（内容）的表示与所有其他变化因子（风格）解耦。一些近期工作通过利用分组观测来解决该问题，其中假设内容属性在各组内相同，而对风格因子无任何监督信息。然而在许多情况下，这些方法未能阻止模型使用风格变量编码与内容相关的特征。本工作以消除风格表示中内容信息的方法补充了这些算法。为此，训练目标被增强以对抗方式最小化一个适当定义的互信息项。在图像数据集上的实验结果与比较表明，所得方法能有效分离内容与风格相关属性，并泛化至未见过的数据。
引用
@article{arxiv.2001.04761,
title = {Adversarial Disentanglement with Grouped Observations},
author = {Jozsef Nemeth},
journal= {arXiv preprint arXiv:2001.04761},
year = {2020}
}
备注
Accepted at the 34th AAAI Conference on Artificial Intelligence (AAAI-20)