解耦独立变异因子中的挑战

我们研究构建解耦独立变异因子模型的问题。此类模型可用于编码能高效用于分类的特征，并在图像合成中实现不同图像间属性的迁移。我们使用弱标记训练集作为数据。我们的弱标签指示了两个数据样本之间哪个单一因子发生了变化，尽管变化相对值未知。这种标记尤其令人关注，因为它无需标注成本即可轻易获得。为利用弱标签，我们引入一种自编码器模型，并通过图像对与三元组的约束对其进行训练。我们形式化证明，在无额外知识的情况下，无法保证具有相同变异因子的两幅图像会被映射到同一特征。我们称此问题为参考歧义。此外，我们展示了特征维数和对抗训练的作用。我们通过实验证明所提模型能在多个数据集上成功迁移属性，但也展示了发生参考歧义的情形。