参与者将学习高级技术和模型，这些技术和模型能够对图像中的视觉因素进行解耦，并将这些因素进行组合，以生成更有意义的表示。解耦与组合被认为是实现人工智能（AI）对世界进行根本性理解，并最终达到通用人工智能（AGI）的可能途径之一。具体来说，我们将涵盖以下主题：
第1部分：解耦表示学习（DRL） 第2部分：潜在语义发现 第3部分：解耦与等变性 第4部分：AGI的组合与解耦
成为VIP会员查看完整内容
Equivariant and Disentangled Representation Learning, by Yue Song & Nicu Sebe [slides]
Emerging Trends in Disentanglement and Compositionality, by Xin Jin [slides]
Disentangled Model-Based Visual Concept Learning, by Tao Yang & Wenjun (Kevin) Zeng [slides]
https://docs.google.com/presentation/d/1SnncEdK9Zh9gyijHaMtZ8j82p6xRyHE4/edit?usp=drive_link&ouid=110091158524099786760&rtpof=true&sd=true
相关内容
Arxiv
36+阅读 · 2023年4月19日
Arxiv
179+阅读 · 2023年4月7日
Arxiv
71+阅读 · 2023年4月4日
Arxiv
129+阅读 · 2023年3月29日
相关VIP内容
相关资讯
相关论文
Arxiv
36+阅读 · 2023年4月19日
Arxiv
179+阅读 · 2023年4月7日
Arxiv
71+阅读 · 2023年4月4日
Arxiv
129+阅读 · 2023年3月29日
微信扫码咨询专知VIP会员