arXiv · Machine Learning· Jingyuan Chen, Kangrui Ruan, Junzhe Zhang·· 9 小时前AI 评分46
CauVaDE：未观测混杂下多样图像生成的因果自助法
A Causal Bootstrap for Diverse Image Generation under Unobserved Confounding
AI 导读
CauVaDE提出一种因果生成模型，将未观测混杂因素压缩为有界离散潜在簇，并可近似观测分布与干预图像分布。该方法通过改变混杂因素熵的强度生成多种因果解释，在保持观测数据良好拟合的同时得到不同的干预图像。
来源：arXiv · Machine Learning · arxiv.org