通过学习解耦自编码器实现多域转换
机器学习
2019-02-12 v1 机器学习
摘要
多域转换旨在学习边缘分布之间的概率耦合，以反映不同域之间的对应关系。我们假设来自不同域的数据是基于结构方程模型从共享潜在表示生成的。在此假设下，我们证明了计算边缘之间的概率耦合问题等价于学习多个解耦自编码器并嵌入到给定的共享潜在分布。此外，我们提出了一种基于学习共享潜在分布并在分布约束下训练自编码器的多域转换新框架与算法。我们框架的一个关键实用优势在于，可以将新的自编码器（即新域）按顺序添加到模型中，而无需在其他域上重新训练，我们在图像和基因组学数据集上通过实验对此进行了验证。
引用
@article{arxiv.1902.03515,
title = {Multi-Domain Translation by Learning Uncoupled Autoencoders},
author = {Karren D. Yang and Caroline Uhler},
journal= {arXiv preprint arXiv:1902.03515},
year = {2019}
}