ChenYYY

核心问题 找到可以在文本特征的latent space中得到解释的direction 针对图像潜在空间解释的现有方法 监督 简单的分类器、SVM向量机等。 文章： Semantic Hierarchy

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

强化学习的场景 一个agent，观察环境（输入s），做出行动（输出action），环境根据行动，选择奖惩（reward）和返回新的状态（st+1）给agent。 几种类别 Policy-based 通

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

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

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

主动学习 将数据标注过程呈现为学习算法和用户之间的交互。其中，算法负责挑选对训练AI模型价值更高的样本，而用户则标注那些挑选出来的样本 也就是，通过机器学习方法获取到那些比较“难”分类的样本数据，让人

隐空间 隐空间可以理解成对数据的压缩后的表示，这种压缩只保留较为关键的特征点而忽略一些不重要的信息。以编码器-解码器网络为例，首先使用全卷积神经网(FCN)络学习图片特征，我们将特征提取中对数据的降维