论文阅读

摘要 什么是正交约束 在训练过程中通过约束来鼓励或强制参数矩阵保持正交。 正交约束的作用 常用于解决梯度消失或爆炸等问题。 特征解耦。 论文主要解决问题 优化训练过程中的收敛性、速度和稳定性，同时保证

Semantic Hierarchy Emerges in Deep Generative Representations for Scene Synthesis 背景 首先是背景，背景就是 GAN

背景 Gan中有很多语义属性等待我们去发掘和解释。 动机 过去有监督的方法（比如分类器）需要对属性有标准的定义，但是有一些属性不能清晰地被定义（打标签），比如发型、肤质、朝向、形状... 需要对目标属

背景概要 latent space 隐空间 可以理解成对数据降维后的表示，这种降维压缩只保留较为关键的特征点而忽略一些不重要的信息。 在卷积网络中，降采样后的矩阵就可以视为latent space；在

主要贡献 展示了如何使用预训练模型构建知识图谱，即仅需要将清洗后的文本喂给模型（不需要微调），优于传统手动标注和抽取的思路。 是一种方便高效的无监督方法。 构建了一种新的知识图谱类型，将人类已标注的现