SpaceEditing：通过交互式潜空间编辑将人类知识融入深度神经网络
机器学习
2022-12-09 v1 人机交互
摘要
我们提出一种交互式编辑方法，使人能够帮助深度神经网络（DNNs）学习更贴合人类知识的潜空间，从而提升在难以区分的模糊数据上的分类准确率。首先，我们通过降维方法可视化高维数据特征，并设计交互式系统 \textit{SpaceEditing} 以展示可视化数据。\textit{SpaceEditing} 基于空间布局思想提供 2D 工作区。在该工作区中，用户可根据系统引导移动其中的投影数据。随后，\textit{SpaceEditing} 将根据用户移动的投影数据找到对应的高维特征，并将高维特征反馈给网络进行重训练，从而实现用户交互式修改高维潜空间的目的。其次，为更合理地将人类知识融入神经网络训练过程，我们设计了一种新的损失函数，使网络能够学习用户修改的信息。最后，我们通过三个案例研究展示 \textit{SpaceEditing} 如何满足用户需求，同时评估所提新方法，结果证实了方法的有效性。
引用
@article{arxiv.2212.04065,
title = {SpaceEditing: Integrating Human Knowledge into Deep Neural Networks via Interactive Latent Space Editing},
author = {Jiafu Wei and Ding Xia and Haoran Xie and Chia-Ming Chang and Chuntao Li and Xi Yang},
journal= {arXiv preprint arXiv:2212.04065},
year = {2022}
}
备注
13 pages, 12 figures, Video URL: https://youtu.be/UTxji6_fs5I