- …
- …
#33
summarized by : hiroki tsujimoto
どんな論文か？
Disentanglement 学習では，生成モデルの潜在変数を解釈可能な因子に分解することが目的である．本研究では，この潜在変数を制御可能にする手法を提案した．本研究の貢献は以下である．1.VAEに単純な機構を導入し，disentanglement 学習を実現．2. 教師なし学習，教師あり学習の2つの異なる機構を提案．3.複数の既存手法に提案手法を導入し，下流タスクにおいて性能向上を確認．
新規性
既存の生成モデルを用いた教師なし学習，教師あり学習の両方に適用可能な点．
結果
それぞれの手法において，定性的，定量的評価を実施．教師なし学習では，MNIST，2次元の図形画像において，位置，回転，スケール制御を実現した．教師あり学習では，CelebrAにおいて，複数のラベル属性と潜在変数との対応を確認した．定量的評価では，既存手法を上回る性能を達成した．
その他（なぜ通ったか？等）
既存手法を拡張し，性能向上を実現しており，拡張が容易で汎用性が高い．複数の下流タスクやアブレーション実験において，提案手法の有効性を確認している．
- …
- …