通过因式分解解耦
机器学习
2019-07-10 v3 机器学习
摘要
我们定义并解决了由独立变化因子生成的数据上无监督学习解耦表示的问题。我们提出 FactorVAE，一种通过鼓励表示分布为阶乘式从而在各维度间独立来实现解耦的方法。我们表明，相比 -VAE，它通过提供解耦与重构质量之间更好的折衷而有所改进。此外，我们强调了一种常用解耦度量的问题，并引入了一种不受这些问题影响的新度量。
引用
@article{arxiv.1802.05983,
title = {Disentangling by Factorising},
author = {Hyunjik Kim and Andriy Mnih},
journal= {arXiv preprint arXiv:1802.05983},
year = {2019}
}
备注
Shorter version appeared in Learning Disentangled Representations: From Perception to Control workshop at NIPS, 2017: https://sites.google.com/corp/view/disentanglenips2017