Dependency-Sparsity Regularization

新的DSReg方法在无需重建的情况下恢复世界潜在变量

研究人员开发了DSReg（依赖稀疏性正则化），一种无需重建或辅助监督即可从世界模型中恢复个体潜在变量的新颖方法。该方法利用了结构多样性的概念，即不同的潜在变量在观测中留下不同的依赖足迹。DSReg可以事后应用于现有的线性识别表示，例如来自LeJEPA的表示，并建立了第一个能够恢复每个世界潜在变量的完全可识别的JEPA。该方法在各种合成和真实世界场景中都显示出有效性，在保留密集预测的同时增强了对个体潜在变量的恢复能力和下游效用。