一种学习李群变换的无监督算法
计算机视觉与模式识别
2017-06-08 v5 机器学习
摘要
我们提出了若干理论贡献，使得李群能够拟合高维数据集。变换算子在其特征基中表示，将参数估计的计算复杂度降低到训练线性变换模型的水平。引入了一种变换特定的“模糊”算子，通过对变换空间进行平滑，使推理能够逃离局部极小值。添加了流形距离的惩罚项，鼓励发现状态之间的稀疏、最小距离变换。使用这些方法，在自然图像块上的完整仿射变换集上展示了学习和推理。然后，在自然视频序列上训练变换算子。结果表明，与基于刚性平移的标准运动模型相比，学习到的视频变换能更好地描述帧间差异。
引用
@article{arxiv.1001.1027,
title = {An Unsupervised Algorithm For Learning Lie Group Transformations},
author = {Jascha Sohl-Dickstein and Ching Ming Wang and Bruno A. Olshausen},
journal= {arXiv preprint arXiv:1001.1027},
year = {2017}
}