通过变分自编码器中的受控解缠实现无监督多域转换
机器学习
2024-01-19 v2 计算机视觉与模式识别
摘要
无监督多域转换是在没有配对数据训练系统的情况下，将数据从一个域转换到其他域的任务。通常，基于生成对抗网络（GAN）的方法被用来解决这一任务。然而，我们的方案完全依赖于一个修改版的变分自编码器。这一修改包括使用两个通过设计以受控方式解缠的潜变量。其中一个潜变量被强制仅依赖于域，而另一个则必须依赖于数据的其余变异因素。此外，对域潜变量施加的条件允许更好地控制和理解潜空间。我们通过实验证明，我们的方法在不同的视觉数据集上有效，并改善了其他已知方法的性能。最后，我们证明，确实，其中一个潜变量存储了所有与域相关的信息，而另一个几乎不包含任何域信息。
引用
@article{arxiv.2401.09180,
title = {Unsupervised Multiple Domain Translation through Controlled Disentanglement in Variational Autoencoder},
author = {Antonio Almudévar and Théo Mariotte and Alfonso Ortega and Marie Tahon},
journal= {arXiv preprint arXiv:2401.09180},
year = {2024}
}