AITOPAI热报

解纠缠表示

共 2 条相关 AI 资讯
8月10日
10:45
10:45官方账号arXiv cs.LG@Ioannis Ziogas, Ensieh Khazaei, Bilal Taha, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis, Dimitrios Hatzinakos
arXiv 论文提出 OmniDecVAEs 框架，扩展 DecVAEs 学习模态条件时频潜在子空间，可同时处理分类、解纠缠表示、融合与生成。在多达 30 个模态的人类活动识别任务中，OmniDecVAEs 相比 Transformer 和 VAE 方法，活动识别准确率提升 1.01%，身份识别准确率提升 6.75%。合成数据的平均绝对误差改善 76.84%，最大均值差异改善 13.85%。模型仅 4.1M 参数，适合边缘可穿戴设备。
论文OmniDecVAEs可穿戴解纠缠表示
推荐理由：这篇论文发了个叫 OmniDecVAEs 的框架，能把几十个传感器数据揉在一起，分类和生成都行，参数才 4.1M，比 Transformer 还准。
原文
7月28日
10:32
10:32官方账号arXiv cs.LG@Ye Shi
本文提出软约束优化方法以平衡VAE的编码容量与解纠缠。在dSprites数据集上，熵约束（EC）使聚合潜在变量激活得分提升43%-62%，FactorVAE得分达0.891（对比β-VAE变体的0.847），重建误差降低38%。在MNIST上，权重过滤将下游分类器所用潜在维度从10降至2，精度保持在90%以上且收敛轮次减少37%。研究发现，低熵离散因子倾向于合并到单个潜在变量，高熵连续因子则分散到多个变量中。
论文Variational AutoencoderSoft-Constrained OptimizationdSprites
推荐理由：想提升VAE解纠缠又不想牺牲重建质量？这篇论文用软约束同时搞定，dSprites上FactorVAE得分刷到0.891，值得看看。
原文