arXiv · ML· Biraaj Rout, Jay Revolinsky, Han Liu, Harry Shomer·· 11 天前AI 评分22
LIR 提出潜空间重要性重加权方法,显著提升潜图生成性能
Not All Latents Are Equal: Importance-Weighted Latent Graph Generation
AI 导读
针对潜图生成模型因对各潜空间维度均匀加权而导致的性能瓶颈,本文提出潜重要性重加权(LIR)方法。LIR 利用解码器相对于潜空间的 Jacobian 矩阵,计算每个潜空间维度对图重建的相对影响力并据此加权,该方法模型无关且无需额外参数。实验表明,在多种基准数据集上应用 LIR 可提升性能并加速训练收敛。
来源:arXiv · ML · arxiv.org