鲁棒有序 VAE：利用含噪成对比较实现解耦
机器学习
2019-10-15 v1 机器学习
摘要
Locatello 等人（2018）的近期工作表明，在变分自编码器（VAE）中解耦感兴趣的因素需要归纳偏置。受一个真实世界问题驱动，我们提出一种设定：此类偏置通过提供实例间基于待解耦因素的成对有序比较来引入。例如，医生根据疾病严重程度比较成对患者，而期望因素是疾病的定量严重水平。在真实世界应用中，成对比较通常含噪。我们的方法鲁棒有序 VAE（ROVAE）将含噪成对有序比较纳入解耦任务。我们在 ROVAE 中引入非负随机变量，使其能自动判定每条成对有序比较是否可信并忽略含噪比较。实验结果表明，ROVAE 在基准数据集与真实世界应用中均优于现有方法，且对含噪成对比较更具鲁棒性。
引用
@article{arxiv.1910.05898,
title = {Robust Ordinal VAE: Employing Noisy Pairwise Comparisons for Disentanglement},
author = {Junxiang Chen and Kayhan Batmanghelich},
journal= {arXiv preprint arXiv:1910.05898},
year = {2019}
}