理解β-Vae中的disentangling

https://www.groundai.com/project/understanding-disentangling-in-vae/

了解β- Vae中的disentangling

Christopher P. Burgess，Irina Higgins，Arka Pal， Loic Matthey，Nick Watters，Guillaume Desjardins，Alexander Lerchner DeepMind 伦敦，英国 {cpburgess，irinah，arkap，lmatthey，nwatters，gdesjardins，lerchner} @ google.com

作者简介

ArXiV页面

2018年4月10日提交

18

24分钟阅读

抽象

我们给出了变分自动编码器中解缠表示出现的新直觉和理论评估。考虑到率失真理论的观点，我们展示了随着训练的进行，在优化β- VAE中修改后的ELBO界限时，出现与数据变化的基本生成因素相一致的表示的情况。从这些见解中，我们提出对β- VAE 培训体制的修改，逐步增加培训期间潜在代码的信息容量。这种修改有助于β- VAE 中解缠结表示的强大学习，而无需在重建准确性方面进行折衷。