论文解读:生成模型采样-类比学习应用 多图

计算机能否学会类比?我的答案是能,不但能,而且有人已经展示了相关效果:

Sampling Generative Networks: Notes on a Few Effective Techniques

今天看的这篇论文题目如上,生成模型能学习到相关语义特征,且这种语义特征可以进行计算和推理。

下面进行论文解读:

生成模型是一种流行的方法来无监督机器学习。生成的神经网络模型进行培训,以产生类似的训练集的数据样本。由于模型参数的数量是显着小于训练数据,模型被迫发现有效的数据表示。这些模型是从一组在高维空间中的潜变量的采样,这里被称为一个潜在的空间。潜在的空间可以被采样,以产生可观察到的数据值。学习的潜表示经常也允许与向量空间算术的语义运算。

这些潜在的空间通常是高度结构化和可使生成的图像的潜在空间简单向量距离算法复杂的操作,比如:

论文首先将传统线性采样修改为球形弧线采样,提高了中间图片的连续性:如下图:

第二:论文介绍了类比学习推理的相关方法和生成模型在此中的应用

生成模型学习到了更加结构化的内部表示,可以方便的应用到类比推理中,比如下图:

the encoder and decoder of the model. The bottom right image shows the result of applying the analogy operation (B + C) – A. All other images are interpolations using the slerp operator. (model: VAE from Lamb 16 on CelebA)

第三论文介绍了不同图片直接的过度状态浏览,如下面大图直接的过度图片生成查看

第四论文提出了属性向量,比如笑脸向量,可以加到普通脸面图片上。

第五论文进行了标签隐含关联的分析,指出生成模型学到的相关向量的关联性反应了事物之间的规律,比如女人普遍比男人爱笑,模糊的图片普遍较暗,人们发笑时普遍会张嘴露牙

通过属性分解,即可分析单独人脸属性的潜在关联。

下载论文:https://arxiv.org/abs/1609.04468

原文发布于微信公众号 - CreateAMind(createamind)

原文发表时间:2016-09-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CDA数据分析师

机器学习算法一览

引言 提起笔来写这篇博客,突然有点愧疚和尴尬。愧疚的是,工作杂事多,加之懒癌严重,导致这个系列一直没有更新,向关注该系列的同学们道个歉。尴尬的是,按理说,机器学...

3479
来自专栏人工智能头条

实时翻译的发动机:矢量语义(斯坦福大学课程解读)

GraphDB 最近刚刚升级到 8.7 版本,此次特别更新了矢量语义包,直接以插件形式整合到程序中。

782
来自专栏AI科技评论

机器学习算法在自动驾驶领域的应用大盘点!

AI科技评论按:本文原载于 kdnuggets,由林立宏、吴楚编译。 将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类,都要用到机器学习。本...

3685
来自专栏AI研习社

机器学习算法在自动驾驶领域的应用大盘点!

AI 研习社按:本文原载于 kdnuggets,由林立宏、吴楚编译。 将汽车内外传感器的数据进行融合,借此评估驾驶员情况、进行驾驶场景分类,都要用到机器学习。本...

3737
来自专栏PPV课数据科学社区

【V课堂】R语言十八讲(十七)—主成分分析

理解主成分分析这个模型前,可能需要一定的线性代数的知识,当然若没有基本也能看下去,只是可能比较困弄清楚,但这篇短文会尽可能给你的写得浅显易懂,不涉及太多公式推导...

2816
来自专栏机器人网

10 个常见机器学习案例:了解机器学习中的线性代数

它是机器学习的重要基础,从描述算法操作的符号到代码中算法的实现,都属于该学科的研究范围。

1223
来自专栏机器之心

学界 | 正在涌现的新型神经网络模型:优于生成对抗网络

选自Medium 作者:Alfredo Canziani等人 机器之心编译 参与:黄小天、吴攀 随着深度神经网络技术的发展,新型的网络架构也在不断涌现。普渡大学...

37610
来自专栏AI科技评论

卷积神经网络(CNN)新手指南

引言 卷积神经网络:听起来像是生物与数学还有少量计算机科学的奇怪结合,但是这些网络在计算机视觉领域已经造就了一些最有影响力的创新。2012年神经网络开始崭露头角...

3464
来自专栏SIGAI学习与实践平台

Large scale GAN training for high fidelity natural image synthesis解读

尽管最近几年在生成式图像建模上取得了进步,但从ImageNet这样的复杂数据集生成高分辨率、多样化的图像仍然是一个具有挑战性的工作。为了达到这一目标,本文作者训...

1913
来自专栏机器之心

从自编码器到生成对抗网络:一文纵览无监督学习研究现状

选自Medium 机器之心编译 参与:Nurhachu、蒋思源、吴攀 无监督学习是深度学习的圣杯。它的目的是希望能够用极少量且不需要标注的数据训练通用系统。本文...

4019

扫码关注云+社区

领取腾讯云代金券