Oct, 2020

使用 Wasserstein 自编码器学习解耦表示

TL;DR该论文提出了 TCWAE 方法,使用 WAE 框架在潜在变量上分离了总相关项,从而在保持重构精度的同时提供了对学习表示的解缠结控制,同时在选择重构成本方面提供了更大的灵活性,并在已知生成因素的数据集上进行了大量的量化比较,取得了与最先进技术相比具有竞争力的结果。