解耦度量：综述与指标分析
机器学习
2022-05-10 v3 人工智能
摘要
学习解耦并表示数据中的变化因子是人工智能中的一个重要问题。尽管在学习的这些表示方面已取得许多进展，如何量化解耦仍不清楚。虽然存在若干度量指标，但关于它们的隐式假设、真正衡量的内容及其局限所知甚少。因此，在比较不同表示时难以解释结果。本工作中，我们调研有监督解耦度量并对其进行深入分析。我们提出一种新的分类法，所有度量均可归入以下三类之一：基于干预的、基于预测器的和基于信息的。我们进行了大量实验，隔离解耦表示的属性，从而实现沿多个轴的分层比较。根据实验结果与分析，我们提供了关于解耦表示属性之间关系的见解。最后，我们分享了如何度量解耦的指南。
引用
@article{arxiv.2012.09276,
title = {Measuring Disentanglement: A Review of Metrics},
author = {Marc-André Carbonneau and Julian Zaidi and Jonathan Boilard and Ghyslain Gagnon},
journal= {arXiv preprint arXiv:2012.09276},
year = {2022}
}