实体
dSprites
dSprites
PulseAugur coverage of dSprites — every cluster mentioning dSprites across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Decafs模型解耦潜在空间以改进条件生成
研究人员开发了Decafs，一种利用李群解耦流模型中潜在空间嵌入的新型条件生成器。这种方法解决了生成模型中常见的可解释性挑战和因子纠缠问题。Decafs通过对抗性损失将替代潜在空间与流空间对齐，从而实现可控生成，在条件图像生成任务上表现出色，包括在MNIST和dSprites数据集上超越StyleGAN，并在QM9、ZINC和MOSES数据集的分子生成方面取得良好结果。
-
新研究利用 Fisher 宽度和基准测试探索数据流形几何
两篇新研究论文探讨了机器学习中数据流形的几何结构。第一篇论文介绍了“Fisher 宽度”，这是一种新的几何度量，类似于高斯宽度，但使用 Fisher 信息度量适配了统计流形。该度量捕捉了各向异性几何效应，并用于证明 Fisher-Lipschitz 假设类的泛化界限。第二篇论文提出了一个用于研究数据几何的基准测试框架，使用重新利用的数据集和专门的估计器来分析曲率和范围等属性，旨在弥合深度学习理论与实践之间的差距。
-
李群VAE解决非交换潜在空间挑战
研究人员开发了一种名为李群VAE的新框架，用于变分自编码器（VAE），以更好地处理潜在空间中的非交换结构。传统的VAE通常强制执行交换性，这可能会抑制重要的数据特征。这种新方法通过将离散生成因素与连续几何变换分离开来，诊断并反映重构行为中的非交换性。在各种数据集上的评估表明，与现有方法相比，重构质量得到了改善，并且解码器行为更加一致。