利用决策蕨遍历潜空间
计算机视觉与模式识别
2018-12-07 v1 人工智能
机器学习
摘要
将原始数据变换到特征空间以便在该空间中执行推断的做法已流行多年。近来，深度神经网络的快速进展为研究人员和从业者提供了增强的方法，丰富了从图像、文本或语音中提取的特征表示。在本工作中，我们展示了如何以可控方式探索构建的潜空间，并论证这很好地补充了基础扎实的推断方法。构建潜空间使用了变分自编码器（Variational Autoencoder）。我们提出了一种新颖的控制器模块，可实现潜空间中的平滑遍历，并构建了端到端可训练的框架。我们探索了该方法在执行空间变换以及用于预测视频序列未来潜向量的运动学方面的适用性。
引用
@article{arxiv.1812.02636,
title = {Traversing Latent Space using Decision Ferns},
author = {Yan Zuo and Gil Avraham and Tom Drummond},
journal= {arXiv preprint arXiv:1812.02636},
year = {2018}
}