Recurrent semi-supervised classification and constrained adversarial generation with motion capture data

ما معماری های شبکه عصبی رمزگذار چندگانه رمزگذار را برای طبقه بندی و بازسازی نیمه نظارت می کنیم. ما دریافتیم که استفاده از ماژول های بازسازی چندگانه به مدل ها در انجام وظیفه طبقه بندی کمک می کند، در حالی که تنها مقدار کمی از داده های برچسب دار در دسترس است که اغلب در عمل کاربرد دارد. چنین مدلهایی بازنماییهای سطح بالا را در اختیار میگذارد که امکان خوشهبندی، جستجو و سریعتر نشانهگذاری توالیهای جدید را فراهم میکند. ما همچنین پیشنهاد جدیدی برای تقسیم بندی واقعی یک مجموعه داده شناخته شده با کیفیت بالا برای ارزیابی بهتر است. ما بیشتر در حال بررسی فرمول جدید برای پیش بینی های آینده رمزگشاها بر اساس شبکه های مقدماتی مجدد مشروط مولد، که ما برای هر یک از محدودیت های نرم و سخت برای تولید گذرا به دست آمده از خواص فیزیکی مورد نظر جنبش آینده سنتز شده و اهداف انیمیشن مورد نظر است. ما متوجه شدیم که استفاده از چنین محدودیت ها باعث ایجاد تداخل آموزش معماری سازگار با تکرار برای تولید انیمیشن می شود.