Buchumschlag

Towards an Improved Metric for Evaluating Disentangled Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Julka, Sahib, Wang, Yashu, Granitzer, Michael
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

LLMs in the Loop: Leveraging Large Language Model Annotations for Active Learning in Low-Resource Languages
von: Kholodna, Nataliia, et al.
Veröffentlicht: (2024)

DriftGAN: Using historical data for Unsupervised Recurring Drift Detection
von: Fellicious, Christofer, et al.
Veröffentlicht: (2024)

Disentangling Disentangled Representations: Towards Improved Latent Units via Diffusion Models
von: Jun, Youngjun, et al.
Veröffentlicht: (2024)

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

On the Role of Noise in Factorizers for Disentangling Distributed Representations
von: Karunaratne, Geethan, et al.
Veröffentlicht: (2024)

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

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

SUDS: A Strategy for Unsupervised Drift Sampling
von: Fellicious, Christofer, et al.
Veröffentlicht: (2024)

Independence Constrained Disentangled Representation Learning from Epistemological Perspective
von: Wang, Ruoyu, 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)

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

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

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

Deep Disentangled Representation Network for Treatment Effect Estimation
von: Meng, Hui, et al.
Veröffentlicht: (2025)

Towards Improving Reward Design in RL: A Reward Alignment Metric for RL Practitioners
von: Muslimani, Calarina, et al.
Veröffentlicht: (2025)

Disentangled Representations for Causal Cognition
von: Torresan, Filippo, et al.
Veröffentlicht: (2024)

Disentangling Shared and Task-Specific Representations from Multi-Modal Clinical Data
von: Lyu, He, et al.
Veröffentlicht: (2026)

Towards Disentangled Preference Optimization Dynamics: Suppress the Loser, Preserve the Winner
von: Chen, Wei, et al.
Veröffentlicht: (2026)

CoLiDR: Concept Learning using Aggregated Disentangled Representations
von: Sinha, Sanchit, et al.
Veröffentlicht: (2024)

DRIM: Learning Disentangled Representations from Incomplete Multimodal Healthcare Data
von: Robinet, Lucas, et al.
Veröffentlicht: (2024)

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

Spectral Disentanglement and Enhancement: A Dual-domain Contrastive Framework for Representation Learning
von: Guo, Jinjin, et al.
Veröffentlicht: (2026)

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

Efficient NAS with FaDE on Hierarchical Spaces
von: Neumeyer, Simon, et al.
Veröffentlicht: (2024)

Towards Metric-Faithful Neural Graph Matching
von: Shivottam, Jyotirmaya, et al.
Veröffentlicht: (2026)

Towards Adversarially Robust Deep Metric Learning
von: Ke, Xiaopeng
Veröffentlicht: (2025)

Disentangling Representations through Multi-task Learning
von: Vafidis, Pantelis, et al.
Veröffentlicht: (2024)

Representer Theorems for Metric and Preference Learning: Geometric Insights and Algorithms
von: Morteza, Peyman
Veröffentlicht: (2023)

Disentangling Tabular Data Towards Better One-Class Anomaly Detection
von: Ye, Jianan, et al.
Veröffentlicht: (2024)

REPEAT: Improving Uncertainty Estimation in Representation Learning Explainability
von: Wickstrøm, Kristoffer K., et al.
Veröffentlicht: (2024)

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

TSPulse: Tiny Pre-Trained Models with Disentangled Representations for Rapid Time-Series Analysis
von: Ekambaram, Vijay, et al.
Veröffentlicht: (2025)

An Information Theoretic Evaluation Metric For Strong Unlearning
von: Jeon, Dongjae, et al.
Veröffentlicht: (2024)

SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation
von: Chen, Jielin, et al.
Veröffentlicht: (2024)

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

Quantifying Modality Contributions via Disentangling Multimodal Representations
von: Amit, Padegal, et al.
Veröffentlicht: (2025)

Symbolic Disentangled Representations for Images
von: Korchemnyi, Alexandr, et al.
Veröffentlicht: (2024)

Geometric Representation Condition Improves Equivariant Molecule Generation
von: Li, Zian, et al.
Veröffentlicht: (2024)