基于三元组信息的跨域变分学习
机器学习
2018-11-21 v2 计算机视觉与模式识别
机器学习
摘要
本文研究深度生成模型，其允许我们利用来自一个域的训练数据来构建针对另一域的模型。我们提出变分双域三元组自编码器(VBTA)，学习来自不同域的对象的联合分布。我们通过从跨域共享潜空间中采样得到的相对约束或三元组来扩展 VBTA 的目标函数。换言之，我们将深度生成模型与度量学习思想相结合，以利用三元组信息改进最终目标。VBTA 模型的性能在以下不同任务上得到验证：图像到图像翻译、双向图像生成以及跨语言文档分类。
引用
@article{arxiv.1806.08672,
title = {Variational learning across domains with triplet information},
author = {Rita Kuznetsova and Oleg Bakhteev and Alexandr Ogaltsov},
journal= {arXiv preprint arXiv:1806.08672},
year = {2018}
}