直播 | CVPR 2021论文解读：引入因果结构的解耦表征学习

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到伦敦大学学院计算机系博士生杨梦月，为大家在线解读其发表于 CVPR 2021 的最新工作 CausalVAE：引入因果结构的解耦表征学习。对本期主题感兴趣的小伙伴，3 月 25 日（周四）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

CVPR 2021 的工作 CausalVAE 提出基于因果结构模型的解耦表征学习方法。该方法挑战了传统解耦任务的独立性假设，第一次采用因果结构描述物理世界的概念关系的方式作为解耦表征的依据。本文在设计解耦表征学习的方法基础上证明了采用该方法得到的解耦出的概念表征的可识别性。

CausalVAE 在两组合成数据（钟摆，水流）以及人脸数据 CelebA 上共测试了四组不同因果类型的解耦效果。实验证明，该方法不仅可以分辨出概念表征，并能发现近似正确的因果结构图。

论文标题：

CausalVAE: Disentangled Representation Learning via Neural Structural Causal Models

论文链接：

https://arxiv.org/abs/2004.08697

本次分享的具体内容有： 

• 解耦表征学习任务介绍

• CausalVAE 方法介绍

• 论文实验结果分析

• 应用场景及未来展望

嘉宾介绍

 杨梦月 / 伦敦大学学院博士生 

杨梦月，伦敦大学学院计算机系博士一年级，导师为汪军教授，曾在 WWW/CVPR 上发表一作论文。研究方向：因果推断，表征学习，强化学习。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。