科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对潜变量空间解耦具有可选择性地调整数据属性，实现更可控的数据生成的特性，提出一种提高解耦任务度量指标的方法.该方法在编码器阶段，运用自注意力机制和残差网络，使模型更有效地捕捉长期依赖关系，增强模型的维度适应性.在训练阶段，提出新颖损失函数使潜变量空间编码维度与属性值趋向单调关系，从而更好地调节损失函数所处区间范围，达到优化目的.通过对比实验表明，本模型和方法在图像的潜变量空间解耦生成上优于变分自编码机(variational auto encoder, VAE)及属性正则化(AR-VAE)模型模型，且具有更为轻量级的网络架构.
