paper reading
paper reading summary
七价铬
这个作者很懒,什么都没留下…
展开
-
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。最后将物理信息转载 2020-09-03 14:20:07 · 3014 阅读 · 0 评论 -
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原创 2020-08-11 14:55:27 · 291 阅读 · 0 评论