DIVA：域不变变分自编码器
机器学习
2019-10-08 v2 机器学习
摘要
我们考虑域泛化问题，即如何给定来自一组域的数据学习表征，使其能泛化到来自先前未见域的数据。我们提出了域不变变分自编码器（DIVA），这是一种生成模型，通过学习三个独立的潜子空间来解决该问题：一个用于域，一个用于类别，另一个用于任何残差变化。我们强调，由于模型的生成性质，我们还可以纳入来自已知或先前未见域的未标记数据。据我们所知，这在域泛化设定中此前未被实现。该性质在像医学成像这样标记数据稀缺的领域非常可取。我们在旋转的MNIST基准和疟疾细胞图像数据集上实验评估了我们的模型，结果表明（i）所学子空间确实彼此互补，（ii）我们在此任务上优于近期工作，以及（iii）纳入未标记数据可进一步提升性能。
引用
@article{arxiv.1905.10427,
title = {DIVA: Domain Invariant Variational Autoencoders},
author = {Maximilian Ilse and Jakub M. Tomczak and Christos Louizos and Max Welling},
journal= {arXiv preprint arXiv:1905.10427},
year = {2019}
}
备注
Code available at https://github.com/AMLab-Amsterdam/DIVA