「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到倫敦大學學院計算機系博士生楊夢月，為大家在線解讀其發表于 CVPR 2021?的最新工作 CausalVAE：引入因果結構的解耦表征學習。對本期主題感興趣的小伙伴，3 月 25 日（周四）晚 7 點，我們準時相約 PaperWeekly B 站直播間。

直播信息

CVPR 2021 的工作 CausalVAE 提出基于因果結構模型的解耦表征學習方法。該方法挑戰了傳統解耦任務的獨立性假設，第一次采用因果結構描述物理世界的概念關系的方式作為解耦表征的依據。本文在設計解耦表征學習的方法基礎上證明了采用該方法得到的解耦出的概念表征的可識別性。

CausalVAE 在兩組合成數據（鐘擺，水流）以及人臉數據 CelebA 上共測試了四組不同因果類型的解耦效果。實驗證明，該方法不僅可以分辨出概念表征，并能發現近似正確的因果結構圖。

論文標題：

CausalVAE: Disentangled Representation Learning via Neural Structural Causal Models

論文鏈接：

https://arxiv.org/abs/2004.08697

本次分享的具體內容有：?

• 解耦表征學習任務介紹

• CausalVAE 方法介紹

• 論文實驗結果分析

• 應用場景及未來展望

嘉賓介紹

?楊夢月?/ 倫敦大學學院博士生?

楊夢月，倫敦大學學院計算機系博士一年級，導師為汪軍教授，曾在 WWW/CVPR 上發表一作論文。研究方向：因果推斷，表征學習，強化學習。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的直播 | CVPR 2021论文解读：引入因果结构的解耦表征学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。