집계 분포의 정규화
표지 없는 자료에서 분리된 잠재 요인을 추론하기 위해 변분 학습을 사용한다. 관측 자료에 대한 근사 사후의 기댓값으로 만든 분포에 정규화를 더해 사전 분포와 맞추도록 유도한다.
두 공분산 구성
DIP-VAE-I는 인코더 평균의 공분산을 정규화한다. DIP-VAE-II는 집계 사후의 공분산을 대상으로 삼으며, 대각 원소와 비대각 원소를 조절하는 방식으로 구성한다.
재구성과 표현의 평가
새로운 표현 분리 척도를 제안하고 디코더 출력에서 보이는 정성적 분리와의 관계를 조사했다. 원 연구는 표현 분리와 자료 우도 및 재구성 품질을 함께 평가했다.
관련 문서
FactorVAE / 베타 TCVAE / 비지도 분리 표현의 식별 한계 / 변분 오토인코더 / 공분산 / 잠재 변수