Learning to Disentangle Factors of Variation with Manifold Interaction
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Prédiction distillée sur la base complète
Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
- Catégories candidates
- aucune
- Catégories consensuelles
- aucune
- Domaine
- Signal candidat: aucuneSignal consensuel: aucune
- Devis d'étude
- Signal candidat: Simulation ou modélisationSignal consensuel: aucune
- Genre
- Signal candidat: EmpiriqueSignal consensuel: aucune
- Score de désaccord entre enseignants
- 0,780
- Score d'incertitude au seuil
- 0,115
- Statut de validation
machine_predicted_unvalidated·codex-gemma-dda1882f352a
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
- Écart entre enseignants
- 0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
- Statut de validation
score_only:v0-immature-baseline· tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle
Résumé
Many latent factors of variation interact to gen-erate sensory data; for example, pose, morphol-ogy and expression in face images. In this work, we propose to learn manifold coordinates for the relevant factors of variation and to model their joint interaction. Many existing feature learning algorithms focus on a single task and extract fea-tures that are sensitive to the task-relevant factors and invariant to all others. However, models that just extract a single set of invariant features do not exploit the relationships among the latent fac-tors. To address this, we propose a higher-order Boltzmann machine that incorporates multiplica-tive interactions among groups of hidden units that each learn to encode a distinct factor of vari-ation. Furthermore, we propose correspondence-based training strategies that allow effective dis-entangling. Our model achieves state-of-the-art emotion recognition and face verification perfor-mance on the Toronto Face Database. We also demonstrate disentangled features learned on the CMU Multi-PIE dataset. 1.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
La notice
- Revue
- Thématique
- Face recognition and analysis
- Domaine
- Computer Science
- Établissements canadiens
- non disponible
- Organismes subventionnaires
- non disponible
- Mots-clés
- Computer scienceVariation (astronomy)Artificial intelligenceENCODEInvariant (physics)ExploitBoltzmann machineMultiplicative functionPattern recognition (psychology)Face (sociological concept)Machine learningTask analysisFacial recognition systemTask (project management)Deep learningMathematics
- Résumé présent dans OpenAlex
- oui