Towards uncertainty-aware disentangled representations

Birçok bilgisayarlı görü probleminde ilgilendiğimiz bir objenin her kısmı her zaman görünür olmayabilir. Bunun birkaç nedeni başka bir obje tarafından kapatılma, kameranın bakış açısı veya objenin o sıradaki pozu olabilir. Bu gibi sorunları çözmenin bir yolu, temsili farklı bölgelere kaşılık gelecek şekilde birden çok parçaya ayırmaktır. Bu tezde bir objenin dolaşıklığı açılmış temsillerini elde ediyoruz ve bunu yaparken de faktörlerin ne kadar elde edilebilir olduğunu belirleyebilmek için belirsizlik tahmini yapıyoruz. Her bir temsilin dolaşıklığını açmak için o faktöre ait gözetimli bir problem kullanıyoruz ve çekişmeli yitim fonksiyonu kullanarak ilgisi olmayan bilgileri ortadan kaldırıyoruz. Belirsizliği ölçmek için yine önceden bahsetmiş olduğumuz gözetimli problemi kullanıyoruz ve bu problemin yitim fonksiyonu üzerine yitim sönümleme uyguluyoruz. Bu ölçülen belirsizlik değerlerini modeli eksik olan parçalara karşı daha dayanıklı yapmak için hem test sırasındaki karar verme hem de eğitim süreçlerine entegre eden farklı yöntemler deniyoruz. Deneyleri kendi olusturdugunuz basit bir veri üzerinde ve dolaşıklığı açılmış temsillerden fayda görebileceği için kişilerin yeniden saptanması problemine (Market-1501 veri kümesine) uyguluyoruz.