disentangled learning | BriefGPT

关键词disentangled learning

搜索结果 - 7

EntProp：提高准确度和鲁棒性的高熵传播
通过混合分布中的辅助批归一化层实现的解缠耦学习技术能够提高深度神经网络的标准准确性和对于外部分布域的鲁棒性。本文提出了高熵传播（EntProp）方法，通过增加样本的熵来生成远离内部分布域的样本，并通过数据增强和自由对抗训练技术实现，从而能够
PDFa month ago
面部编辑的语义潜变分与标准流
本论文提出了一种新颖的框架 SDFlow，通过在原始潜空的基础上使用连续条件归一化流实现了语义分解，以解决面部编辑中由于潜空中不同属性之间的纠缠而导致的复杂导航问题，并通过相互信息框架下的解缠学习策略提供精确的操作控制，实验证明 SDFlo
PDF10 months ago
基于图的对比式解缠学习用于节点分类
基于对比学习方法的成功，该文提出一种用于图上对比解缩的框架，采用了解缩编码器和两个经过精心设计的自监管信号，并使用该框架在 3 个引文网络上进行节点分类任务，实验结果验证了该框架的有效性。
PDFa year ago
ICLR利用密度估计分离学习表示
本文提出了一种名为高斯通道自编码器（Gaussian Channel Autoencoder, GCAE）的方法，通过灵活的潜空间密度估计实现可靠的解缠表示，并通过双向互信息量度解缠其潜空间子集，从而将其高维潜在联合分布表示为许多低维条件分
PDFa year ago
ICLR快速 AdvProp
本文介绍了一种名为 Fast AdvProp 的改进 Adversarial Propagation（AdvProp）的方法，通过去除不必要的训练组件，提高了训练速度，并采用不同于其他训练配方的具有纠缠性的学习方法，进一步提高了模型性能，在
PDF2 years ago
利用分离音频表示动态表情
提出一种基于声音分解学习的方法来提高音频驱动的视频生成的性能，从而使生成的视频更鲁棒。
PDF5 years ago
NIPS学习分离的联合连续和离散表征
本文提出了一种框架来无监督地学习清晰而可解释的连续和离散化的表示形式，通过增加变分自动编码机的连续潜在分布，并控制每个潜在单元中编码的信息量，展示了如何自动地从数据中发现连续和分类变化因素。实验结果显示，该框架在各种数据集上对连续和离散的生
PDF6 years ago