論文の概要: Revisiting Latent-Space Interpolation via a Quantitative Evaluation Framework

• arxiv url: http://arxiv.org/abs/2110.06421v1
• Date: Wed, 13 Oct 2021 01:01:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-14 15:26:15.724399
• Title: Revisiting Latent-Space Interpolation via a Quantitative Evaluation Framework
• Title（参考訳）: 定量的評価枠組みによる潜在空間補間の再検討
• Authors: Lu Mi, Tianxing He, Core Francisco Park, Hao Wang, Yue Wang, Nir Shavit
• Abstract要約: 本稿では,意味的連続属性をラベル付けしたデータを用いて,潜在空間アルゴリズムの定量的評価を行う方法について述べる。 我々のフレームワークは、標準的な定性比較を補完するために使用することができ、また、視覚化が難しい領域(グラフなど)の評価も可能である。
• 参考スコア（独自算出の注目度）: 14.589372535816619
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent-space interpolation is commonly used to demonstrate the generalization ability of deep latent variable models. Various algorithms have been proposed to calculate the best trajectory between two encodings in the latent space. In this work, we show how data labeled with semantically continuous attributes can be utilized to conduct a quantitative evaluation of latent-space interpolation algorithms, for variational autoencoders. Our framework can be used to complement the standard qualitative comparison, and also enables evaluation for domains (such as graph) in which the visualization is difficult. Interestingly, our experiments reveal that the superiority of interpolation algorithms could be domain-dependent. While normalised interpolation works best for the image domain, spherical linear interpolation achieves the best performance in the graph domain. Next, we propose a simple-yet-effective method to restrict the latent space via a bottleneck structure in the encoder. We find that all interpolation algorithms evaluated in this work can benefit from this restriction. Finally, we conduct interpolation-aware training with the labeled attributes, and show that this explicit supervision can improve the interpolation performance.
• Abstract（参考訳）: 潜時空間補間は、深い潜時変数モデルの一般化能力を示すために一般的に用いられる。 潜在空間における2つのエンコーディング間の最善の軌跡を計算するために、様々なアルゴリズムが提案されている。 本研究では,意味的連続属性でラベル付けされたデータを用いて,変分オートエンコーダの潜在空間補間アルゴリズムの定量的評価を行う方法を示す。 我々のフレームワークは、標準的な定性比較を補完するために使用することができ、また視覚化が難しい領域(グラフなど)の評価も可能である。 興味深いことに、この実験により補間アルゴリズムの優位性はドメイン依存であることが判明した。 正規化補間は画像領域で最適であるが、球状線形補間はグラフ領域で最高の性能を達成する。 次に,エンコーダのボトルネック構造を介し,遅延空間の制限を簡易に行う手法を提案する。 この研究で評価された全ての補間アルゴリズムは、この制限の恩恵を受けることができる。 最後に,ラベル付き属性を用いた補間アウェアトレーニングを行い,この明示的な監督により補間性能が向上することを示す。

関連論文リスト

• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• Object Representations as Fixed Points: Training Iterative Refinement Algorithms with Implicit Differentiation [88.14365009076907]
  反復的洗練は表現学習に有用なパラダイムである。 トレーニングの安定性とトラクタビリティを向上させる暗黙の差別化アプローチを開発する。
  論文  参考訳（メタデータ） (2022-07-02T10:00:35Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• Efficient Hierarchical Domain Adaptation for Pretrained Language Models [77.02962815423658]
  生成言語モデルは、多種多様な一般的なドメインコーパスに基づいて訓練される。 計算効率のよいアダプタアプローチを用いて,ドメイン適応を多種多様なドメインに拡張する手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T11:09:29Z)
• Gradient Matching for Domain Generalization [93.04545793814486]
  機械学習システムの重要な要件は、見えないドメインに一般化する能力です。 ドメインの一般化を目標とするドメイン間勾配マッチングの目的を提案する。 我々は、その最適化を近似する単純な一階アルゴリズムfishを導出する。
  論文  参考訳（メタデータ） (2021-04-20T12:55:37Z)
• Explicit homography estimation improves contrastive self-supervised learning [0.30458514384586394]
  本稿では,自己教師付きコントラスト学習パラダイムにおける追加目標として機能するモジュールを提案する。 アフィン変換やホモグラフィのパラメータをレグレッションするためにこのモジュールを組み込むことで、パフォーマンスと学習速度の両方が向上することを示す。
  論文  参考訳（メタデータ） (2021-01-12T19:33:37Z)
• Continuous and Diverse Image-to-Image Translation via Signed Attribute Vectors [120.13149176992896]
  本稿では,様々な領域にまたがる多様な写像経路の連続的な変換を可能にする,効果的に署名された属性ベクトルを提案する。 連続翻訳結果の視覚的品質を高めるため、2つの符号対称属性ベクトル間の軌跡を生成する。
  論文  参考訳（メタデータ） (2020-11-02T18:59:03Z)
• Autoencoder Image Interpolation by Shaping the Latent Space [12.482988592988868]
  オートエンコーダは、異なるタイプのデータセットを特徴付ける基礎となる要因を計算するための効果的なアプローチである。 トレーニング画像と整合した多様体に従うために潜在表現を形作る正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-08-04T12:32:54Z)

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。