摘要

将生成对抗网络（Generative Adversarial Networks, GANs）与学习编码数据点的编码器相结合，在无监督学习数据表示方面已经显示出令人鼓舞的结果。我们提出了一种框架，该框架结合了编码器和生成器，以学习解耦表示，这些表示能够在无需任何标签的情况下编码关于数据分布的有意义信息。尽管当前的方法主要集中在GANs的生成方面，但我们的框架可以用于对真实数据点和生成数据点进行推理。在多个数据集上的实验表明，编码器学会了可解释的、解耦的表示，这些表示能够编码描述性属性，并可用于采样具有特定特征的图像。