Priors équivariants pour la détection comprimée avec Arash Behboodi – # 584

Aujourd’hui, nous sommes rejoints par Arash Behboodi, chercheur à l’apprentissage automatique chez Qualcomm Technologies. Dans notre conversation avec Arash, nous explorons son papier Priors équivariants pour la détection comprimée avec une orientation inconnuequi propose d’utiliser des modèles génératifs équivariants comme moyen préalable de montrer que les signaux avec des orientations inconnues peuvent être récupérés avec une descente de gradient itérative sur l’espace latent de ces modèles et fournir des garanties de récupération théorique supplémentaires. Nous discutons des différences entre la compression et la détection comprimée, comment il a pu faire évoluer une architecture VAE traditionnelle pour comprendre l’équivalence, et certains des domaines de recherche qu’il applique ce travail, y compris la microscopie cryo-électron. Nous discutons également de quelques-uns des autres articles que ses collègues ont soumis à la conférence, notamment Surmonter les oscillations dans la formation en quantificationPersonnalisation variationnelle à la volée, et Citris: identifiabilité causale des séquences intermédiaires temporelles.

Les notes de spectacle complètes pour cet épisode peuvent être trouvées à twimlai.com/go/584

Source link