来自对抗审查自编码器的不变表示
机器学习
2018-05-22 v1 信息论
math.IT
机器学习
摘要
我们将条件变分自编码器（VAE）与对抗审查相结合，以学习从干扰/敏感变化中解耦的不变表示。在该方法中，对抗网络试图从表示中恢复干扰变量，而VAE被训练来阻止这一点。将解码器以干扰变量为条件使得表示得以干净分离，因为它们被重新组合用于模型学习与数据重建。我们表明这一自然方法在信息论论证下具有理论依据。实验证明该方法在实现不变性的同时保留了模型学习性能，并在风格迁移与生成采样任务中带来视觉上改善的效果。
引用
@article{arxiv.1805.08097,
title = {Invariant Representations from Adversarially Censored Autoencoders},
author = {Ye Wang and Toshiaki Koike-Akino and Deniz Erdogmus},
journal= {arXiv preprint arXiv:1805.08097},
year = {2018}
}
备注
9 pages, 5 figures