Discovery of Single Independent Latent Variable

Uri Shaham, Jonathan Svirsky, Ori Katz, Ronen Talmon

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

Latent variable discovery is a central problem in data analysis with a broad range of applications in applied science. In this work, we consider data given as an invertible mixture of two statistically independent components, and assume that one of the components is observed while the other is hidden. Our goal is to recover the hidden component. For this purpose, we propose an autoencoder equipped with a discriminator. Unlike the standard nonlinear ICA problem, which was shown to be non-identifiable, in the special case of ICA we consider here, we show that our approach can recover the component of interest up to entropy-preserving transformation. We demonstrate the performance of the proposed approach in several tasks, including image synthesis, voice cloning, and fetal ECG extraction.

שפה מקוריתאנגלית
כותר פרסום המארחAdvances in Neural Information Processing Systems 35 - 36th Conference on Neural Information Processing Systems, NeurIPS 2022
עורכיםS. Koyejo, S. Mohamed, A. Agarwal, D. Belgrave, K. Cho, A. Oh
מסת"ב (אלקטרוני)9781713871088
סטטוס פרסוםפורסם - 2022
אירוע36th Conference on Neural Information Processing Systems, NeurIPS 2022 - New Orleans, ארצות הברית
משך הזמן: 28 נוב׳ 20229 דצמ׳ 2022

סדרות פרסומים

שםAdvances in Neural Information Processing Systems
כרך35

כנס

כנס36th Conference on Neural Information Processing Systems, NeurIPS 2022
מדינה/אזורארצות הברית
עירNew Orleans
תקופה28/11/229/12/22

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1710???
  • ???subjectarea.asjc.1700.1711???
  • ???subjectarea.asjc.1700.1705???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Discovery of Single Independent Latent Variable'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי