Jan, 2024
图深度生成模型纠缠时的无监督可控因素发现
Unsupervised Discovery of Steerable Factors When Graph Deep Generative Models Are Entangled
Shengchao Liu, Chengpeng Wang, Jiarui Lu, Weili Nie, Hanchen Wang...
TL;DR本研究提出了一种用于在预训练图形生成模型的潜在空间中无监督发现可控因素的方法,并通过最大化语义丰富的方向之间的互信息来学习可控因素。验证结果表明,该方法在两个预训练图形生成模型上优于其他四种竞争算法,并在两种分子数据集和三个点云数据集上展示了七个可控因素的质量。