Boxhead：一个用于学习层次化表示的数据集
机器学习
2021-12-07 v2 计算机视觉与模式识别
机器学习
摘要
解耦被认为有益于若干下游任务。然而，学习解耦表示的常见假设是数据生成因子统计独立。由于当前方法几乎仅在满足此理想假设的玩具数据集上评估，我们研究了它们在层次化设置（真实世界数据的相关特征）下的性能。在本工作中，我们引入了Boxhead，一个具有层次化结构真实生成因子的数据集。我们使用这一新数据集评估了最先进的基于自编码器的解耦模型的性能，并观察到层次化模型通常在层次化排列因子的解耦方面优于单层VAE。
引用
@article{arxiv.2110.03628,
title = {Boxhead: A Dataset for Learning Hierarchical Representations},
author = {Yukun Chen and Andrea Dittadi and Frederik Träuble and Stefan Bauer and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2110.03628},
year = {2021}
}
备注
NeurIPS 2021 Workshop on Shared Visual Representations in Human and Machine Intelligence (SVRHM 2021)