DGS@ICLR 2019年:美国路易斯安那州新奥尔良
高度结构化数据的深层生成模型,2019年5月6日在美国路易斯安那州新奥尔良举行的ICLR 2019研讨会。 OpenReview.net网站 2019
接受的论文
约翰·布拉德肖 , 马特·库斯纳 , 布鲁克斯佩奇 , 马文·H·S·赛格勒 , 何塞·米盖尔·埃尔南德斯·洛巴托 :
通过化学反应生成分子。 Vinay Uday Prabhu公司 , Sanghyun Han先生 , Dian Ang Yap女士 , 米哈伊尔·杜哈尼亚里斯 , 普雷西·塞沙德里 :
通用数字分类的种子增强训练框架。 萨姆·怀斯曼 :
通过摊销Bethe Free Energy最小化学习深度潜在可变MRF。 穆罕默德·索尔塔尼 , 斯瓦扬布胡·贾因 , 阿比纳夫·萨姆巴西万 :
使用GANs对来自其叠加的结构化信号进行无监督去混合。 陈哲慧(Zhehui Chen) , 江浩明 , 史玉阳 , 博代 , 拓兆 :
通过学习攻击来学习防御。 劳伦特·丁 , 贾沙·索尔·迪克斯坦(Jascha Sohl-Dickstein) , 拉兹万·帕斯卡努 , 雨果·拉罗谢尔 :
深度混合模型的RAD方法。 安东尼奥·哈利勒·莫雷蒂 , 王子钊 , 吴禄环 , Itsik Pe洱 :
用序贯蒙特卡罗平滑非线性变分目标。 穆罕默德·巴巴耶扎德 , Golnaz Ghiasi公司 :
可调实时风格转换。 汤姆·塞尔库 , 塞巴斯蒂安·盖尔曼 , 亨德里克·斯特罗贝尔 , 佩耶尔·达斯 , Inkit Padhi公司 , 西塞罗·诺盖拉·多斯桑托斯 , 卡西尼·瓦德哈万 , Vijil Chenthamarakhan先生 :
用于肽自动编码器模型选择的潜在空间交互式视觉探索(IVELS)。 亚历克谢·格里森科 , 贾斯珀·斯诺克 , 蒂姆·萨利曼斯 :
关于归一化流与变分和去噪自动编码器之间的关系。 Ð或ðe Miladinovic , 穆罕默德·瓦利德·贡达尔 , 伯恩哈德·舍尔科夫 , 约阿希姆·M·布曼 , 斯特凡·鲍尔 :
非纠缠状态空间模型:跨异构环境的动力学无监督学习。 萨马内·阿扎迪 , Deepak Pathak公司 , 赛娜·易卜拉希米 , 特雷弗·达雷尔 :
合成GAN(扩展摘要):学习图像-条件二元合成。 林书玉(Shuyu Lin) , 罗纳德·卡拉克 , 罗伯特·伯克 , 尼基·特里戈尼 , 斯蒂芬·J·罗伯茨 :
WiSE-ALE:聚合潜在嵌入的宽样本估计。 阿迪蒂亚·格罗弗 , 克里斯托弗·丘特 , 芮姝 , 曹章杰 , 斯特凡诺·埃蒙 :
AlignFlow:通过规范化流从多个域学习。 冈本弘(Hirono Okamoto) , 铃木正弘 , Itto Higuchi公司 , 肖海·奥萨瓦 , 松本裕隆(Yutaka Matsuo) :
双空间学习与变分自动编码器。 谢玉嘉 , 陈敏硕 , 江浩明 , 拓兆 , 查宏远 :
关于大规模最优运输的可扩展高效计算。 李春良 , 曼齐尔·扎赫尔 , Yang Zhang(张阳) , 巴纳巴斯·波佐斯(Barnabás Póczos) , 鲁斯兰·萨拉库丁诺夫 :
点云GAN。 阿迪蒂亚·格罗弗 , 宋嘉明 , 阿什什·卡普尔 , Kenneth Tran先生 , 阿列克·阿加瓦尔 , 霍尔维茨 , 斯特凡诺·埃蒙 :
通过无似然重要性加权修正学习生成模型的偏差。 沙龙·周 , 米切尔·L·戈登 , 兰杰·克里希纳 , 奥斯汀·纳科米 , 杜丽姆·莫里纳 , 迈克尔·伯恩斯坦 :
HYPE:人类对生成模型的感知评估。 约翰·英格拉汉姆 , 维卡斯·K·加格 , 里贾娜·巴兹雷 , 托米·贾科拉 :
基于图形的蛋白质设计的生成模型。 费萨尔·马哈茂德 , 徐文浩 , 尼古拉斯·杜尔 , 杰里米亚·约翰逊 , 艾伦·L·尤耶 :
使用带融合鉴别器的cGAN进行结构化预测。 高拉夫·米塔尔 , Shubham Agrawal公司 , 阿努瓦·阿加瓦尔 , 苏珊·梅塔 , 坦尼亚·马尔瓦 :
使用场景图生成交互式图像。 纳姆拉塔·阿南德 , 拉斐尔·Eguchi , 黄波苏(Po-Ssu Huang) :
完全可区分的全原子蛋白质骨架生成。 马克西米利安·伊尔斯 , 雅库布·M·托姆萨克 , 克里斯托斯·路易索斯 , 马克斯·威林 :
DIVA:域不变变分自动编码器。 韦恩吴 , 曹凯迪 , 程莉 , 陈倩 , 陈昌乐 :
通过无监督几何提取分离纠缠内容和风格。 克里斯托弗·贝克汉姆 , 新浪荷纳里 , 亚历克斯·兰姆 , 维卡斯·维玛 , 法努什·加迪里 , R.Devon Hjelm公司 , 克里斯托弗·帕尔 :
对抗性混合再合成装置。 迪特里希·劳森 , 乔治·塔克 , 博代 , 拉杰什·兰加纳思 :
重新审视生成模型中的辅助潜在变量。 大唐 , 梁大文(Dawen Liang) , 托尼·杰巴拉 , 尼古拉斯·鲁齐 :
相关变分自动编码器。 詹姆斯·卢卡 , 乔治·塔克 , 罗杰·格罗斯 , 穆罕默德·诺鲁齐 :
理解生成性潜在变量模型中的后验崩溃。 Khyathi Raghavi Chandu公司 , 埃里克·尼伯格 , 艾伦·W·布莱克 :
食谱故事板:扎根的背景生成。 大卫·鲍 , 朱俊彦 , 亨德里克·斯特罗贝尔 , 周伯雷 , 约书亚·B·特南鲍姆 , 威廉·T·弗里曼 , 安东尼奥·托拉尔巴 :
可视化和理解GAN。 Gabriel Loaiza-Gane先生 , 约翰·坎宁安 :
点过程强度估计的深随机样条。 达斯汀·特朗 , 基翁·瓦法 , 库马尔·克里希纳·阿格拉瓦尔 , 劳伦特·丁 , 本·普尔 :
离散流:离散数据的可逆生成模型。 Seyed Kamyar Seyed Ghasemipour公司 , 谢恩·顾 , 理查德·泽梅尔 :
理解最大熵反向强化学习与行为克隆之间的关系。 皮埃尔·多宁 , 伊戈尔·梅尼克 , 尤塞夫·姆鲁厄 , 杰雷特·罗斯 , 汤姆·塞尔库 :
改进的对手图像字幕。 拉斐尔·冈蒂霍·洛佩斯 , 大卫·哈 , 道格拉斯·埃克 , 乔纳森·施伦斯 :
可缩放向量图形的学习表示法。 Zijun Zhang(张子军) , 张瑞祥 , 李宗鹏 , 本吉奥 , 利亚姆·保罗 :
感知生成自动编码器。 阿里·拉扎维 , 阿伦·范登·奥尔德 , Oriol葡萄酒 :
利用VQ-VAE生成多种高分辨率图像。 双飞范 , 伯特·黄 :
生成标记图的深层生成模型。 塞普蒂米亚·萨尔布 , 路易吉·马拉戈 :
用q变形下限训练变分自动编码器。 西达克·帕尔·辛格 , 安德烈亚斯·胡格 , 艾默尔·迪乌列韦特 , 马丁·贾吉 :
上下文移动器的距离和重心:建筑表示的最佳上下文传输。 托马斯·安提纳 , Sjoerd van Steenkiste先生 , 卡罗尔·库拉赫 , 拉斐尔·马里尼尔 , 马金·米查尔斯基 , 西尔万·盖利 :
FVD:一种新的视频生成指标。
![](https://dblp.org/img/cog.dark.24x24.png)