用于多源轨迹建模与分离的动态变分自编码器混合模型
机器学习
2023-12-08 v1
摘要
在本文中，我们提出一种称为动态变分自编码器混合模型（MixDVAE）的潜变量生成模型，用于建模由多个运动源组成的系统动力学。首先在单源数据集上预训练一个DVAE模型以捕捉源动态。然后，将预训练DVAE模型的多个实例集成到一个具有离散观测到源分配潜变量的多源混合模型中。利用变分期望最大化算法估计离散观测到源分配变量以及表示源内容/位置的连续DVAE变量的后验分布，从而实现多源轨迹估计。我们在两个任务上展示了所提MixDVAE模型的通用性：计算机视觉任务即多目标跟踪，以及音频处理任务即单通道音频源分离。实验结果表明，所提方法在这两个任务上表现良好，并优于若干基线方法。
引用
@article{arxiv.2312.04167,
title = {Mixture of Dynamical Variational Autoencoders for Multi-Source Trajectory Modeling and Separation},
author = {Xiaoyu Lin and Laurent Girin and Xavier Alameda-Pineda},
journal= {arXiv preprint arXiv:2312.04167},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2202.09315