几何 enriched 潜空间
机器学习
2020-08-04 v1 机器学习
摘要
生成模型中的一个常见假设是生成器将潜空间嵌入到欧几里得外围空间中。相反，我们考虑外围空间为黎曼流形，这允许通过相关的黎曼度量来编码领域知识。于是可以在潜空间中相应地定义最短路径，使其既遵循学习到的流形又尊重外围几何。通过对外围度量的精心设计，我们可以确保即使对于原本会表现出误导性偏差的确定性生成器，最短路径也表现良好。实验上我们表明，我们的方法使用随机和确定性生成器都改善了学习表征的可解释性。
引用
@article{arxiv.2008.00565,
title = {Geometrically Enriched Latent Spaces},
author = {Georgios Arvanitidis and Søren Hauberg and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2008.00565},
year = {2020}
}