通过解耦已知与未知干扰因素实现弱监督不变表示学习
机器学习
2022-09-16 v1 人工智能
摘要
解耦表示与不变表示是表示学习的两条关键目标，已有诸多方法被提出以实现其中之一。然而，这两大目标实则互补，因此我们提出一种框架以同时达成二者。我们引入弱监督信号来学习解耦表示，该表示包含三个部分，分别涵盖预测性信息、已知干扰因素与未知干扰因素。此外，我们结合对比学习方法以强制表示不变性。实验表明，所提方法在四个标准基准上优于 state-of-the-art（SOTA）方法，且相较于其他未经对抗训练的方法，所提方法具有更好的对抗防御能力。
引用
@article{arxiv.2209.06827,
title = {Weakly Supervised Invariant Representation Learning Via Disentangling Known and Unknown Nuisance Factors},
author = {Jiageng Zhu and Hanchen Xie and Wael Abd-Almageed},
journal= {arXiv preprint arXiv:2209.06827},
year = {2022}
}