从无序数据中学习解耦的动态表示
机器学习
2018-12-11 v1 机器学习
摘要
我们提出一个深度生成模型，可从无序输入中学习数据的解耦静态与动态表示。我们的方法利用了序列数据中无论观测顺序如何都存在的规律性。我们因子化图模型的结果是一个组织良好且连贯的数据动力学潜空间。我们在多个合成动态数据集以及展现各种面部表情与头部姿态的真实视频数据上演示了我们的方法。
引用
@article{arxiv.1812.03962,
title = {Disentangled Dynamic Representations from Unordered Data},
author = {Leonhard Helminger and Abdelaziz Djelouah and Markus Gross and Romann M. Weber},
journal= {arXiv preprint arXiv:1812.03962},
year = {2018}
}
备注
Symposium on Advances in Approximate Bayesian Inference, 2018