# VAE

crosstar1228

https://www.researchgate.net/figure/Schematic-view-of-the-model-VQ-VAE-The-encoder-is-input-with-a-surface-relief-map-one_fig2_348482900embedding

p2yeong

이 글은 다음 포스트(https://ml.berkeley.edu/blog/posts/vq-vae/)를 번역하고 정리한 내용입니다.잠재공간은 원시 데이터의 주어진 분포에 대한 숨겨진 표현원시 데이터 x들이 n차원의 실수 범위에 있을 때, 원시 데이터들은 저차원의

crosstar1228

VAE 변형posterior 를 자체적으로 학습Vector Quantization -> discrete latent representation, not continuousdecoder가 encoder의 condition을 무시하고 생성하면 일어나는 현상코드워드, 코

crosstar1228

https://velog.io/@jaehyeong/Autoencoder%EC%99%80-LSTM-Autoencoderself-supervised(unsupervised) learning의 일종encoder와 decoder를 거쳐 입력 데이터 기반한 새로운 데이

tobigs16gm

Variational Auto Encoder: 15기 박진수

sjinu

Variational Auto Encoder(2)

sjinu

VAE(1)

sjinu

AutoEncoder, Variational AutoEncoder에 대해 가장 잘 정리된 블로그 정리.

changdaeoh

Fairness by Learning Orthogonal Disentangled Representations (ECCV 2020)fairness와 disentanglement를 주제로 연구하고싶어 찾아읽게 되었다.disentangling을 위해 도입한 참신한 아이디어를

denhur62

최근에 소마에서 추천 시스템을 공부하면서 감정 기반 추천 시스템을 준비 할 일이 있었다. 하지만 감정 단어들은 word2vec 방식을 사용하였을 때 유사한 벡터값을 가진 것을 알 수 있다. 따라서 다른 감정 기반 추천 방식을 생각해 보았고,

changdaeoh

original paperVAE를 통해 학습하는 Latent Space에서의 Representation이 Consistency를 갖도록 제약하는 방법을 제안.매우 단순하게 목적함수에 규제 term 하나를 추가하는 것으로 가능.아이디어 : original input과 그

changdaeoh

original paper다방면으로 fair한 예측 알고리즘을 만들기 위해 disentangled representation을 학습하는 새로운 VAE 변형모델(FFVAE)을 제안한 논문section3. related work 생략reconstruction과 predic

donggunseo

2021년 8월 13일 Day 10

changdaeoh

original paper 안그래도 어려워보였는데, 정신적으로 많이 힘들 때 읽어서 더 어렵게 느껴졌던 논문..^_^ Abstract 독립적인 변동인자들로부터 생성된 데이터에 대해 disentangled representation을 비지도학습 방식으로 얻어내고자 하는

changdaeoh

[Learning Structured Output Representation using Deep Conditional Generative Models, NIPS 2015] (https://papers.nips.cc/paper/2015/hash/8d55a249e6baa5

changdaeoh

리뷰글(1)은 딥러닝 관점에서 표현학습(representation learning)과 생성모델링(generative modeling)에 VAE가 어떻게 녹아들었는지를 알아보고자 하는 성격이었다. 본 글에서는 본문내용을 정주행하며 정리하는 식으로 리뷰를 진행하려 한다.

changdaeoh

얼마전부터 표현학습(representation learning)과 생성모델(generative model)에 관심이 생겨, 다양한 자료들로 공부를 열심히 하고있다.

gnoeyheat

Kihyuk Sohn, Xinchen Yan, Honglak Lee. Learning Structured Output Representation using Deep Conditional Generative Models. In NeurIPS 2015.

gnoeyheat

Diederik P. Kingma, Danilo J. Rezende, Shakir Mohamed, Max Welling. Semi-supervised Learning with Deep Generative Models. In NeurIPS 2014.

jkl133

https://towardsdatascience.com/variational-autoencoders-as-generative-models-with-keras-e0c79415a7ebAn autoencoder is basically a neural network