在VAE中捕捉标签特征
机器学习
2022-12-19 v3 机器学习
摘要
我们提出一种将标签纳入VAE的原则性方法，可捕捉与这些标签相关的丰富特征信息。先前工作通常通过将直接对应于标签值的潜变量混同来学习，我们认为这违背了VAE中监督的预期效果——即用潜变量捕捉丰富的标签特征。例如，我们可能希望捕捉使一张脸显得年轻的特征，而非仅仅是人的年龄。为此，我们开发了CCVAE，一种新颖的VAE模型及伴随的变分目标，其在潜空间中显式捕捉标签特征，避免标签值与潜变量间的直接对应。通过对这类特征潜变量与标签间映射的审慎结构化，我们展示了CCVAE能在多种监督方案下有效学习感兴趣特征的有意义表示。特别地，我们表明CCVAE允许执行更有效且更通用的干预，例如给定标签内特征的平滑遍历、多样条件生成，以及跨数据点迁移特征。
引用
@article{arxiv.2006.10102,
title = {Capturing Label Characteristics in VAEs},
author = {Tom Joy and Sebastian M. Schmon and Philip H. S. Torr and N. Siddharth and Tom Rainforth},
journal= {arXiv preprint arXiv:2006.10102},
year = {2022}
}
备注
Accepted to ICLR 2021