NeurIPS 2019 解耦挑战：通过卷积特征图的学习聚合改进解耦
机器学习
2020-11-18 v2 计算机视觉与模式识别
机器学习
摘要
这份关于我们向 NeurIPS 2019 解耦挑战第二阶段提交的报告提出了一种用于学习解耦潜在因子的简单图像预处理方法。我们提出在从 ImageNet 数据库预训练的网络所获得的区域聚合特征图上训练变分自编码器，利用这些特征中隐含的归纳偏置来实现解耦。通过在与挑战相关的辅助任务（如角度、位置估计或颜色分类）上显式微调特征图，可进一步增强该偏置。我们的方法在挑战第二阶段获得第 2 名。代码见 https://github.com/mseitzer/neurips2019-disentanglement-challenge。
引用
@article{arxiv.2002.12356,
title = {NeurIPS 2019 Disentanglement Challenge: Improved Disentanglement through Learned Aggregation of Convolutional Feature Maps},
author = {Maximilian Seitzer and Andreas Foltyn and Felix P. Kemeth},
journal= {arXiv preprint arXiv:2002.12356},
year = {2020}
}
备注
Disentanglement Challenge - 33rd Conference on Neural Information Processing Systems (NeurIPS) - NeurIPS 2019. arXiv admin note: text overlap with arXiv:2002.10003. Acknowledgements added