論文の概要: Difference-in-Differences: Bridging Normalization and Disentanglement in PG-GAN

• arxiv url: http://arxiv.org/abs/2010.08402v1
• Date: Fri, 16 Oct 2020 14:02:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 20:29:22.310279
• Title: Difference-in-Differences: Bridging Normalization and Disentanglement in PG-GAN
• Title（参考訳）: 差分差分:PG-GANの分岐正規化と絡み合い
• Authors: Xiao Liu, Jiajie Zhang, Siting Li, Zuotong Wu, Yang Yu
• Abstract要約: 進行成長型GAN(PG-GAN)上での絡み合い機構を解析するための実験を設計するための差分差分法(DID)対応フレームワークを提案する。 入力単位-アブレーション変換において,画素正規化がPG-GANの絡み合いを引き起こす機構を明らかにする。
• 参考スコア（独自算出の注目度）: 7.616245893942677
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: What mechanisms causes GAN's entanglement? Although developing disentangled GAN has attracted sufficient attention, it is unclear how entanglement is originated by GAN transformation. We in this research propose a difference-in-difference (DID) counterfactual framework to design experiments for analyzing the entanglement mechanism in on of the Progressive-growing GAN (PG-GAN). Our experiment clarify the mechanisms how pixel normalization causes PG-GAN entanglement during a input-unit-ablation transformation. We discover that pixel normalization causes object entanglement by in-painting the area occupied by ablated objects. We also discover the unit-object relation determines whether and how pixel normalization causes objects entanglement. Our DID framework theoretically guarantees that the mechanisms that we discover is solid, explainable and comprehensively.
• Abstract（参考訳）: GANの絡み合いの原因は何か? 絡み合ったGANの発達は十分に注目されているが、GAN変換によってどのように絡み合いが生じるかは不明である。 本研究では,GAN(PG-GAN)上の絡み合い機構を解析する実験を設計するための差分差分法(DID)対応フレームワークを提案する。 本実験では,画素正規化がpg-ganのエンタングルメントを引き起こすメカニズムを明らかにする。 画素の正規化が物体の絡み合いを引き起こすことを発見した。 また,画素正規化が物体の絡み合いを引き起こすかどうかを,単位対象関係で決定する。 didフレームワークは理論的に、我々が発見するメカニズムがしっかりと説明可能で包括的なものであることを保証します。

関連論文リスト

• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• Learning Causally Disentangled Representations via the Principle of Independent Causal Mechanisms [17.074858228123706]
  本稿では、因果関係の観測ラベルによって教師される因果関係の非絡み合い表現を学習するための枠組みを提案する。 この枠組みは, 極めて不整合な因果関係を生じさせ, 介入の堅牢性を向上し, 反事実発生と相容れないことを示す。
  論文  参考訳（メタデータ） (2023-06-02T00:28:48Z)
• Disentanglement of Latent Representations via Causal Interventions [11.238098505498165]
  因果力学に着想を得た新しい解離法を提案する。 我々のモデルは、量子化されたベクトルを因果変数とみなし、因果グラフでそれらをリンクする。 グラフの因果的介入を行い、画像の変動のユニークな要因に影響を与える原子遷移を生成する。
  論文  参考訳（メタデータ） (2023-02-02T04:37:29Z)
• Maximum Spatial Perturbation Consistency for Unpaired Image-to-Image Translation [56.44946660061753]
  本稿では,最大空間摂動整合(MSPC)と呼ばれる普遍正規化手法を提案する。 MSPCは空間摂動関数(T)と変換演算子(G)を可換(TG = GT)に強制する。 提案手法は,ほとんどのI2Iベンチマークにおいて最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-23T19:59:04Z)
• Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation [64.92152574895111]
  直交ジャコビアン正規化法(OroJaR)を提案する。 提案手法は, 絡み合った, 制御可能な画像生成に有効であり, 最先端の手法に対して好適に機能する。
  論文  参考訳（メタデータ） (2021-08-17T15:01:46Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Systematic Evaluation of Causal Discovery in Visual Model Based Reinforcement Learning [76.00395335702572]
  AIと因果関係の中心的な目標は、抽象表現と因果構造を共同で発見することである。 因果誘導を研究するための既存の環境は、複雑なタスク固有の因果グラフを持つため、この目的には適していない。 本研究の目的は,高次変数の学習表現と因果構造の研究を促進することである。
  論文  参考訳（メタデータ） (2021-07-02T05:44:56Z)
• CausalVAE: Structured Causal Disentanglement in Variational Autoencoder [52.139696854386976]
  変分オートエンコーダ(VAE)の枠組みは、観測から独立した因子をアンタングルするために一般的に用いられる。 本稿では, 因果内因性因子を因果内因性因子に変換する因果層を含むVOEベースの新しいフレームワークCausalVAEを提案する。 その結果、CausalVAEが学習した因果表現は意味論的に解釈可能であり、DAG(Directed Acyclic Graph)としての因果関係は精度良く同定された。
  論文  参考訳（メタデータ） (2020-04-18T20:09:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。