BriefGPT.xyz
Apr, 2018
理解 $β$-VAE 中的解缠
Understanding disentangling in $β$-VAE
HTML
PDF
Christopher P. Burgess, Irina Higgins, Arka Pal, Loic Matthey, Nick Watters...
TL;DR
本文以率失真理论为角度，探讨优化 $eta$-VAE 的修正ELBO下界时，在训练过程中的潜在编码信息容量逐渐增加的情况下，哪些情况下会出现与数据生成因素相对应的编码表示，我们基于这些洞见提出了一种修改 $eta$-VAE 训练机制的方法，可以在不降低重构精度的情况下有力地学习到解缠合表示。
Abstract
We present new intuitions and theoretical assessments of the emergence of
disentangled representation
in
variational autoencoders
. Taking a
rate-
→