論文の概要: Unsupervised Disentanglement Without Compromises : How Functional Orthogonality Enforces Identifiability

• arxiv url: http://arxiv.org/abs/2606.21385v1
• Date: Fri, 19 Jun 2026 12:47:07 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:21:32.23157
• Title: Unsupervised Disentanglement Without Compromises : How Functional Orthogonality Enforces Identifiability
• Title（参考訳）: 妥協を伴わない非教師的絡み合い : 機能的直交性が不確定性をいかに強要するか
• Authors: Mathieu Cyrille Simon, Pascal Frossard, Christophe De Vleeschouwer,
• Abstract要約: 本稿では,機能的観点からの非教師付き非教師付き非教師付き表現学習について検討する。 この条件は一般非線形生成モデルの識別可能性を示す。
• 参考スコア（独自算出の注目度）: 46.784084625532984
• License:
• Abstract: This paper explores unsupervised disentangled representation learning from a functional perspective. We define latent concepts as factors that influence observations through locally orthogonal directions, formalized as an orthogonality constraint on the Jacobian of the generative mapping. We prove that this condition yields identifiability of general nonlinear generative models, without requiring statistical independence or causal assumptions, provided the latent domain admits all combinations of factor values. Experiments with orthogonality-regularized normalizing flows empirically confirm the theory, demonstrate reliable recovery of ground-truth factors, and shed light on the success of VAEs. These findings challenge the prevailing impossibility claims for unsupervised disentanglement and provide a principled alternative foundation.
• Abstract（参考訳）: 本稿では,機能的観点からの非教師付き非教師付き非教師付き表現学習について検討する。 我々は、潜在概念を局所直交方向を通して観測に影響を与える要因として定義し、生成写像のヤコビアン上の直交制約として定式化する。 我々は、この条件が統計的独立性や因果仮定を必要とせず、一般非線形生成モデルの識別可能性をもたらすことを証明した。 直交正則化正規化流を用いた実験は、この理論を実証的に確認し、地道的要因の確実な回復を示し、VAEの成功に光を当てた。 これらの知見は、教師なしの絡み合いに対する一般的な不合理性主張に挑戦し、原則化された代替基盤を提供する。

関連論文リスト

• Towards Unsupervised Causal Representation Learning via Latent Additive Noise Model Causal Autoencoders [1.9732490977700972]
  教師なし表現学習は、潜伏する生成因子を回復しようとする。 観測データから因果変数を遠ざけることは、監督なしでは不可能である。 本研究では、非教師付き発見のための強力な誘導バイアスとして、Latent Additive Noise Model Causal Autoencoder (LANCA)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T10:52:30Z)
• Mechanistic Independence: A Principle for Identifiable Disentangled Representations [7.550362088105815]
  アンタングル表現は、観測データに基づく変動の潜伏因子を復元しようとする。 メカニスティックな独立によって解離が達成される統一的な枠組みを導入する。
  論文  参考訳（メタデータ） (2025-09-26T10:58:03Z)
• Identifiable Latent Neural Causal Models [82.14087963690561]
  因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。 因果表現の識別可能性に寄与する分布シフトのタイプを決定する。 本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
  論文  参考訳（メタデータ） (2024-03-23T04:13:55Z)
• Generalizing Nonlinear ICA Beyond Structural Sparsity [15.450470872782082]
  非線形ICAの識別性は追加の仮定なしでは不可能であることが知られている。 近年の進歩は、構造スパーシティとして知られる観測変数への接続構造に関する条件を提案している。 フレキシブルなグルーピング構造であっても,適切な識別性が得られることを示す。
  論文  参考訳（メタデータ） (2023-11-01T21:36:15Z)
• On the Identifiability of Quantized Factors [33.12356885773274]
  一般非線形微分同相の下で量子化潜在因子を復元することは可能であることを示す。 本稿では、この新しい形の量子化因子識別可能性を紹介し、量子化因子の回復の包括的証明を提供する。
  論文  参考訳（メタデータ） (2023-06-28T16:10:01Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Function Classes for Identifiable Nonlinear Independent Component Analysis [10.828616610785524]
  潜在変数モデル(LVM)の教師なし学習は機械学習のデータ表現に広く用いられている。 最近の研究は、そのようなモデルの関数クラスを制約することは、識別可能性を促進することを示唆している。 これらの変換のサブクラスである共形写像が同定可能であることを証明し、新しい理論的結果を与える。
  論文  参考訳（メタデータ） (2022-08-12T17:58:31Z)
• 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)
• Invariance Principle Meets Information Bottleneck for Out-of-Distribution Generalization [77.24152933825238]
  線形分類タスクには分布シフトの強い制限が必要であり、そうでなければ OOD の一般化は不可能であることを示す。 不変な特徴がラベルに関するすべての情報をキャプチャし、そうでなければ既存の成功を保っている場合、情報ボトルネックの形式が重要な障害に対処するのに役立つことを証明します。
  論文  参考訳（メタデータ） (2021-06-11T20:42:27Z)

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。