論文の概要: A Quaternion-Valued Variational Autoencoder

• arxiv url: http://arxiv.org/abs/2010.11647v2
• Date: Thu, 22 Apr 2021 16:23:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 08:10:07.250753
• Title: A Quaternion-Valued Variational Autoencoder
• Title（参考訳）: 四元値変分オートエンコーダ
• Authors: Eleonora Grassucci, Danilo Comminiello, Aurelio Uncini
• Abstract要約: 可変オートエンコーダ(VAE)は、入力の潜在表現を学習することで、生成過程をモデル化する能力を証明している。 四元数領域で定義された新しいVAEを提案し、四元数代数の特性を利用して性能を向上させる。
• 参考スコア（独自算出の注目度）: 15.153617649974263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep probabilistic generative models have achieved incredible success in many fields of application. Among such models, variational autoencoders (VAEs) have proved their ability in modeling a generative process by learning a latent representation of the input. In this paper, we propose a novel VAE defined in the quaternion domain, which exploits the properties of quaternion algebra to improve performance while significantly reducing the number of parameters required by the network. The success of the proposed quaternion VAE with respect to traditional VAEs relies on the ability to leverage the internal relations between quaternion-valued input features and on the properties of second-order statistics which allow to define the latent variables in the augmented quaternion domain. In order to show the advantages due to such properties, we define a plain convolutional VAE in the quaternion domain and we evaluate its performance with respect to its real-valued counterpart on the CelebA face dataset.
• Abstract（参考訳）: 深い確率的生成モデルは、多くの応用分野で驚くべき成功を収めています。 そのようなモデルのうち、変分オートエンコーダ(vaes)は、入力の潜在表現を学習することによって生成過程をモデル化する能力を示している。 本稿では,四元数領域で定義される新しいvaeを提案し,四元数代数の特性を利用して,ネットワークに必要なパラメータ数を大幅に削減しながら性能を向上させる。 従来のVAEに対して提案された四元数VAEの成功は、四元数値の入力特徴間の内部関係を利用する能力と、拡張四元数領域における潜伏変数の定義を可能にする二階統計特性に依存する。 このような特性による利点を示すため、四元数領域における平らな畳み込みVAEを定義し、CelebAの顔データセット上での実値に対してその性能を評価する。

関連論文リスト

• Statistical Analysis of the Impact of Quaternion Components in Convolutional Neural Networks [0.5755004576310334]
  本稿では,画像分類問題に対する既存成分の性能を比較するため,実験データを用いて統計的解析を行った。 モデル性能を改善するために四元数代数のユニークな性質を利用する新しい四元数ReLUアクティベーション関数を導入する。
  論文  参考訳（メタデータ） (2024-08-29T19:13:20Z)
• State-Free Inference of State-Space Models: The Transfer Function Approach [132.83348321603205]
  状態のない推論では、状態サイズが大きくなると大きなメモリや計算コストは発生しない。 提案した周波数領域転送関数のパラメトリゼーション特性を用いてこれを実現する。 長い畳み込みハイエナベースライン上での言語モデリングにおける難易度の改善を報告した。
  論文  参考訳（メタデータ） (2024-05-10T00:06:02Z)
• Enabling Uncertainty Estimation in Iterative Neural Networks [49.56171792062104]
  本研究では,アンサンブルのような手法よりもはるかに低い計算コストで最先端の見積もりを提供する不確実性推定手法を開発する。 航空画像における道路検出と2次元および3次元形状の空力特性の推定という2つの応用領域に組み込むことで,その実用的価値を実証する。
  論文  参考訳（メタデータ） (2024-03-25T13:06:31Z)
• Quaternion-valued Correlation Learning for Few-Shot Semantic Segmentation [33.88445464404075]
  Few-shot segmentation (FSS)は、少数のサンプルしか与えられていないクラスをセグメントすることを目的としている。 相関学習に関する四元数視点を導入し、新しい四元数評価相関学習ネットワーク(QCLNet)を提案する。 我々のQCLNetは超複素値ネットワークとして定式化され、四元数値畳み込みを用いてクエリ部分空間の外部関係を探索する四元数領域の相関テンソルを表す。
  論文  参考訳（メタデータ） (2023-05-12T06:56:22Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Quaternion Backpropagation [0.0]
  製品とチェーンルールは、四元数バックプロパゲーションを保たないことを示す。 得られた四元数バックプロパゲーションの機能について実験的に検証した。
  論文  参考訳（メタデータ） (2022-12-26T10:56:19Z)
• Instrumental Variable-Driven Domain Generalization with Unobserved Confounders [53.735614014067394]
  ドメイン一般化(Domain Generalization, DG)は、複数のソースドメインから、目に見えないターゲットドメインをうまく一般化できるモデルを学ぶことを目的としている。 観測不能な共同創設者のバイアスを2段階学習で除去し,インストゥルメンタル変数駆動型DG法(IV-DG)を提案する。 第1段階では、あるドメインの入力特徴の条件分布を他のドメインの入力特徴の条件分布として学習する。 第2段階では,ラベルと学習条件分布の関係を推定する。
  論文  参考訳（メタデータ） (2021-10-04T13:32:57Z)
• InteL-VAEs: Adding Inductive Biases to Variational Auto-Encoders via Intermediary Latents [60.785317191131284]
  本稿では,潜伏変数の中間集合を用いて,制御可能なバイアスでVAEを学習するための簡易かつ効果的な手法を提案する。 特に、学習した表現に対して、スパーシリティやクラスタリングといった望ましいプロパティを課すことができます。 これにより、InteL-VAEはより優れた生成モデルと表現の両方を学ぶことができる。
  論文  参考訳（メタデータ） (2021-06-25T16:34:05Z)
• Quaternion Generative Adversarial Networks [5.156484100374058]
  QGAN(Quaternion-valued adversarial Network)のファミリーを提案する。 QGANは四元環の性質、例えば畳み込みに対するハミルトン積を利用する。 その結果,QGANは視覚的に満足な画像を生成することができ,実値のGANに対して優れたFIDスコアを得ることができることがわかった。
  論文  参考訳（メタデータ） (2021-04-19T20:46:18Z)
• Quaternion Factorization Machines: A Lightweight Solution to Intricate Feature Interaction Modelling [76.89779231460193]
  factorization machine(fm)は、機能間の高次インタラクションを自動的に学習し、手動の機能エンジニアリングを必要とせずに予測を行うことができる。 本研究では,スパース予測解析のためのQFM(Quaternion factorization Machine)とQNFM(Quaternion neural factorization Machine)を提案する。
  論文  参考訳（メタデータ） (2021-04-05T00:02:36Z)

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。