通过优化置换学习集合表示

Dec, 2018

Learning Representations of Sets through Optimized Permutations

Yan Zhang, Jonathon Hare, Adam Prügel-Bennett

TL;DR探讨了学习集合表示的挑战性。通过引入置换优化模块来解决这一问题，该模块学习如何对一个集合进行置换，通过对置换后的集合进行处理，以避免传统集合模型中的瓶颈，进而实现学习该集合具有不变性的表征。通过对数排序，图像马赛克，图像马赛克分类和视觉问答等四个数据集进行明确或隐式监督的训练，证明了我们模型的置换和集合表示学习能力。取得了最先进的结果。

Abstract

Representations of sets are challenging to learn because operations on sets should be permutation-invariant. To this end, we propose a Permutation-Optimisation module that learns how to permute a set end-to-end.