Buchumschlag

SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Jielin, Stouffs, Rudi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Heuristics to Data: Quantifying Site Planning Layout Indicators with Deep Learning and Multi-Modal Data
von: Cao, Qian, et al.
Veröffentlicht: (2025)

Disentangled Generative Graph Representation Learning
von: Hu, Xinyue, et al.
Veröffentlicht: (2024)

Unsupervised Graph Neural Architecture Search with Disentangled Self-supervision
von: Zhang, Zeyang, et al.
Veröffentlicht: (2024)

Disentangled Representation Learning
von: Wang, Xin, et al.
Veröffentlicht: (2022)

Learning Network Representations with Disentangled Graph Auto-Encoder
von: Fan, Di, et al.
Veröffentlicht: (2024)

Multi-Stage Knowledge-Distilled VGAE and GAT for Robust Controller-Area-Network Intrusion Detection
von: Frenken, Robert, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Disentangled Representations from Video
von: Denton, Remi, et al.
Veröffentlicht: (2017)

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection
von: Chen, Qingfeng, et al.
Veröffentlicht: (2025)

Graph Learning with Distributional Edge Layouts
von: Zhao, Xinjian, et al.
Veröffentlicht: (2024)

Decomposing Representation Space into Interpretable Subspaces with Unsupervised Learning
von: Huang, Xinting, et al.
Veröffentlicht: (2025)

Illuminating Spaces: Deep Reinforcement Learning and Laser-Wall Partitioning for Architectural Layout Generation
von: Kakooee, Reza, et al.
Veröffentlicht: (2025)

CARL: Causality-guided Architecture Representation Learning for an Interpretable Performance Predictor
von: Ji, Han, et al.
Veröffentlicht: (2025)

Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation
von: Li, Shiyuan, et al.
Veröffentlicht: (2024)

Disentangling Multiplex Spatial-Temporal Transition Graph Representation Learning for Socially Enhanced POI Recommendation
von: Li, Jie, et al.
Veröffentlicht: (2025)

Learning Disentangled Equivariant Representation for Explicitly Controllable 3D Molecule Generation
von: Liu, Haoran, et al.
Veröffentlicht: (2024)

Disentangled and Self-Explainable Node Representation Learning
von: Piaggesi, Simone, et al.
Veröffentlicht: (2024)

Disentangled Representation Learning for Causal Inference with Instruments
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

Self-Supervised Learning of Disentangled Representations for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2024)

TimeDRL: Disentangled Representation Learning for Multivariate Time-Series
von: Chang, Ching, et al.
Veröffentlicht: (2023)

Interpretable Discriminative Text Representations via Agreement and Label Disentanglement
von: Wang, Tong, et al.
Veröffentlicht: (2026)

Disentanglement in Difference: Directly Learning Semantically Disentangled Representations by Maximizing Inter-Factor Differences
von: Zhang, Xingshen, et al.
Veröffentlicht: (2025)

Protein-SE(3): Benchmarking SE(3)-based Generative Models for Protein Structure Design
von: Yu, Lang, et al.
Veröffentlicht: (2025)

Interpretable-by-Design Transformers via Architectural Stream Independence
von: Kerce, Clayton, et al.
Veröffentlicht: (2026)

Towards Better Generalization and Interpretability in Unsupervised Concept-Based Models
von: De Santis, Francesco, et al.
Veröffentlicht: (2025)

Unsupervisedly Learned Representations: Should the Quest be Over?
von: Nissani, Daniel N.
Veröffentlicht: (2020)

Generative Dynamic Graph Representation Learning for Conspiracy Spoofing Detection
von: Xiang, Sheng, et al.
Veröffentlicht: (2025)

Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

Graph Representation Learning with Diffusion Generative Models
von: Wesego, Daniel
Veröffentlicht: (2025)

Unsupervised Episode Generation for Graph Meta-learning
von: Jung, Jihyeong, et al.
Veröffentlicht: (2023)

CLUTR: Curriculum Learning via Unsupervised Task Representation Learning
von: Azad, Abdus Salam, et al.
Veröffentlicht: (2022)

Collaborative Cognitive Diagnosis with Disentangled Representation Learning for Learner Modeling
von: Gao, Weibo, et al.
Veröffentlicht: (2024)

Independence Constrained Disentangled Representation Learning from Epistemological Perspective
von: Wang, Ruoyu, et al.
Veröffentlicht: (2024)

Adversarial Graph Disentanglement
von: Zheng, Shuai, et al.
Veröffentlicht: (2021)

Unsupervised Disentanglement of Content and Style via Variance-Invariance Constraints
von: Wu, Yuxuan, et al.
Veröffentlicht: (2024)

Disentangling Policy from Offline Task Representation Learning via Adversarial Data Augmentation
von: Jia, Chengxing, et al.
Veröffentlicht: (2024)

BHyGNN+: Unsupervised Representation Learning for Heterophilic Hypergraphs
von: Ma, Tianyi, et al.
Veröffentlicht: (2026)

Unsupervised Representation Learning - an Invariant Risk Minimization Perspective
von: Norman, Yotam, et al.
Veröffentlicht: (2025)

Exploring Task Unification in Graph Representation Learning via Generative Approach
von: Hu, Yulan, et al.
Veröffentlicht: (2024)

CAFIN: Centrality Aware Fairness inducing IN-processing for Unsupervised Representation Learning on Graphs
von: Arun, Arvindh, et al.
Veröffentlicht: (2023)

Graph Propagation Transformer for Graph Representation Learning
von: Chen, Zhe, et al.
Veröffentlicht: (2023)