生成模型中通过潜空间插值的无监督元学习
机器学习
2020-06-19 v1 机器学习
摘要
无监督元学习方法依赖于使用随机选取、聚类和/或增强等技术合成的元任务。遗憾的是，聚类和增强是领域相关的，因此它们要么需要手动调整，要么需要昂贵的学习成本。本工作中，我们描述了一种使用生成模型生成元任务的方法。一个关键组成部分是一种从潜空间采样的新方法，该方法生成被分组为合成类别的对象，构成元任务的训练与验证数据。我们发现，所提出的方法——潜空间插值无监督元学习（LASIUM）——在广泛使用基准数据集的小样本分类任务上优于或与当前无监督学习基线具有竞争力。此外，该方法有望在比先前方法更广泛的领域上无需手动调整即可应用。
引用
@article{arxiv.2006.10236,
title = {Unsupervised Meta-Learning through Latent-Space Interpolation in Generative Models},
author = {Siavash Khodadadeh and Sharare Zehtabian and Saeed Vahidian and Weijia Wang and Bill Lin and Ladislau Bölöni},
journal= {arXiv preprint arXiv:2006.10236},
year = {2020}
}