- 博客(3)
- 收藏
- 关注
RSS订阅转载 PhyDNet：Disentangling Physical Dynamics from Unknown Factors for Unsupervised Video Prediction
PhyDNet：Disentangling Physical Dynamics from Unknown Factors for Unsupervised Video Prediction参考博客来源： link主要思想是试图用深度网络构建物理约束模型，方法是用卷积模拟偏导，用moment loss作监督，学到物理信息，从而对已有的网络（文中使用ConvLSTM）进行信息补充。如图，右边为已有深度网络可以捕捉到的信息，本文试图使用深度网络通过偏微分方程来建模先验物理知识，即左边的信息。最后将物理信息
2020-09-03 14:20:07
2695
原创 NestedVAE: Isolating Common Factors via Weak Supervision.
NestedVAE: Isolating Common Factors via Weak Supervision.摘要 公正无偏的机器学习十分重要，但数据中的偏差biases很可能被模型学到，导致后续决策过程有偏差。作者确定了减少偏差的任务 与 分离domain之间共有因子的联系，同时鼓励域特定的不变性。 本文通过深度隐变量模型结合信息瓶颈理论，来分离common factors，适用于跨域的自然配对数据而不需要额外监管的场景。 Nested VAE试图用图像的潜在表示去重建成对的另一
2020-08-11 14:55:27
280
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人