BriefGPT.xyz
Sep, 2022
基于潜变量交换的弱监督学习解耦表示的 SW-VAE 模型
SW-VAE: Weakly Supervised Learn Disentangled Representation Via Latent Factor Swapping
HTML
PDF
Jiageng Zhu, Hanchen Xie, Wael Abd-Almageed
TL;DR
提出一种名为SW-VAE的新型弱监督训练方法,该方法利用数据集的生成因素将输入观测对作为监督信号进行训练,并且引入了逐渐增加学习难度的策略来平滑训练过程。通过多个数据集的实验证明,该模型在表示分离任务上显示出明显的优于最先进方法的改进。
Abstract
representation disentanglement
is an important goal of representation learning that benefits various downstream tasks. To achieve this goal, many
unsupervised learning
→