VAE Explainer: Supplement Learning Variational Autoencoders with Interactive Visualization

要約

変分オートエンコーダーは機械学習で広く普及していますが、通常は緻密な数学表記または静的コード例で説明されます。
このペーパーでは、既存の静的ドキュメント (Keras コード例など) を補足するために、ブラウザーで実行される対話型の変分オートエンコーダーである VAE Explainer について説明します。
VAE Explainer は、対話型モデル入力、潜在空間、および出力を使用して、VAE サマリーに対話を追加します。
VAE Explainer は、注釈付きのコードとライブ計算グラフなど、高レベルの理解と実装を結び付けます。
VAE Explainer のインタラクティブな視覚化は https://xnought.github.io/vae-explainer で公開されており、コードは https://github.com/xnought/vae-explainer でオープンソースです。

要約(オリジナル)

Variational Autoencoders are widespread in Machine Learning, but are typically explained with dense math notation or static code examples. This paper presents VAE Explainer, an interactive Variational Autoencoder running in the browser to supplement existing static documentation (e.g., Keras Code Examples). VAE Explainer adds interactions to the VAE summary with interactive model inputs, latent space, and output. VAE Explainer connects the high-level understanding with the implementation: annotated code and a live computational graph. The VAE Explainer interactive visualization is live at https://xnought.github.io/vae-explainer and the code is open source at https://github.com/xnought/vae-explainer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google