Copertina

Disentanglement Analysis in Deep Latent Variable Models Matching Aggregate Posterior Distributions

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Saha, Surojit, Joshi, Sarang, Whitaker, Ross
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Matching aggregate posteriors in the variational autoencoder
di: Saha, Surojit, et al.
Pubblicazione: (2023)

ARD-VAE: A Statistical Formulation to Find the Relevant Latent Dimensions of Variational Autoencoders
di: Saha, Surojit, et al.
Pubblicazione: (2025)

AdaSemSeg: An Adaptive Few-shot Semantic Segmentation of Seismic Facies
di: Saha, Surojit, et al.
Pubblicazione: (2025)

Deep Latent Variable Modeling of Physiological Signals
di: Vo, Khuong
Pubblicazione: (2024)

Quotient-Based Posterior Analysis for Euclidean Latent Space Models
di: You, Kisung, et al.
Pubblicazione: (2026)

LEDA: Log-Euclidean Diffeomorphism Autoencoder for Efficient Statistical Analysis of Diffeomorphisms
di: Iyer, Krithika, et al.
Pubblicazione: (2024)

Identifying Metric Structures of Deep Latent Variable Models
di: Syrota, Stas, et al.
Pubblicazione: (2025)

LatentGAN Autoencoder: Learning Disentangled Latent Distribution
di: Kalwar, Sanket, et al.
Pubblicazione: (2022)

Identifiable Deep Latent Variable Models for MNAR Data
di: Xie, Huiming, et al.
Pubblicazione: (2026)

On the Effects of Irrelevant Variables in Treatment Effect Estimation with Deep Disentanglement
di: Khan, Ahmad Saeed, et al.
Pubblicazione: (2024)

An Analysis of Attention via the Lens of Exchangeability and Latent Variable Models
di: Zhang, Yufeng, et al.
Pubblicazione: (2022)

Understanding Self-Supervised Learning via Latent Distribution Matching
di: Mikulasch, Fabian A, et al.
Pubblicazione: (2026)

Gaussian Mixture Vector Quantization with Aggregated Categorical Posterior
di: Yan, Mingyuan, et al.
Pubblicazione: (2024)

Disentanglement in T-space for Faster and Distributed Training of Diffusion Models with Fewer Latent-states
di: Gupta, Samarth, et al.
Pubblicazione: (2025)

Efficient Flow Matching using Latent Variables
di: Samaddar, Anirban, et al.
Pubblicazione: (2025)

Conditional Flow Matching for Bayesian Posterior Inference
di: Zhai, Percy S., et al.
Pubblicazione: (2025)

Flow Matching for Posterior Inference with Simulator Feedback
di: Holzschuh, Benjamin, et al.
Pubblicazione: (2024)

On the Shape of Latent Variables in a Denoising VAE-MoG: A Posterior Sampling-Based Study
di: Bascuñán, Fernanda Zapata
Pubblicazione: (2025)

Convergence Analysis of Flow Matching in Latent Space with Transformers
di: Jiao, Yuling, et al.
Pubblicazione: (2024)

Latent Nonlinear Denoising Score Matching for Enhanced Learning of Structured Distributions
di: Shen, Kaichen, et al.
Pubblicazione: (2025)

Semi-Supervised Generative Learning via Latent Space Distribution Matching
di: Chong, Kwong Yu, et al.
Pubblicazione: (2026)

Distributional Equivalence in Linear Non-Gaussian Latent-Variable Cyclic Causal Models: Characterization and Learning
di: Dai, Haoyue, et al.
Pubblicazione: (2026)

Gait-Based Hand Load Estimation via Deep Latent Variable Models with Auxiliary Information
di: Gao, Jingyi, et al.
Pubblicazione: (2025)

Deep Latent Variable Model based Vertical Federated Learning with Flexible Alignment and Labeling Scenarios
di: Hong, Kihun, et al.
Pubblicazione: (2025)

Disentangled Latent Spaces for Reduced Order Models using Deterministic Autoencoders
di: Schwarz, Henning, et al.
Pubblicazione: (2025)

Subspace-Decomposed JEPAs: Disentangling Progression and Content in Latent World Models
di: Thil, Lucas, et al.
Pubblicazione: (2026)

Disentangling Shared and Private Neural Dynamics with SPIRE: A Latent Modeling Framework for Deep Brain Stimulation
di: Soroushmojdehi, Rahil, et al.
Pubblicazione: (2025)

Theoretical Analysis of Heteroscedastic Gaussian Processes with Posterior Distributions
di: Ito, Yuji
Pubblicazione: (2024)

Transfer Learning for Latent Variable Network Models
di: Jalan, Akhil, et al.
Pubblicazione: (2024)

Disentangled Representation Learning via Flow Matching
di: Chi, Jinjin, et al.
Pubblicazione: (2026)

DistDD: Distributed Data Distillation Aggregation through Gradient Matching
di: Wang, Peiran, et al.
Pubblicazione: (2024)

A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation
di: Lang, Xiaoan, et al.
Pubblicazione: (2026)

A Study of Posterior Stability for Time-Series Latent Diffusion
di: Li, Yangming, et al.
Pubblicazione: (2024)

Posterior Mean Matching: Generative Modeling through Online Bayesian Inference
di: Salazar, Sebastian, et al.
Pubblicazione: (2024)

CORAL: Disentangling Latent Representations in Long-Tailed Diffusion
di: Rodriguez, Esther, et al.
Pubblicazione: (2025)

On Local Posterior Structure in Deep Ensembles
di: Jordahn, Mikkel, et al.
Pubblicazione: (2025)

Preventing Model Collapse in Gaussian Process Latent Variable Models
di: Li, Ying, et al.
Pubblicazione: (2024)

Particle Dynamics for Latent-Variable Energy-Based Models
di: Tang, Shiqin, et al.
Pubblicazione: (2025)

Latent Variable Modeling for Robust Causal Effect Estimation
di: Morimura, Tetsuro, et al.
Pubblicazione: (2025)

Accurate Coresets for Latent Variable Models and Regularized Regression
di: Ranjan, Sanskar, et al.
Pubblicazione: (2024)