标题： 从无序数据中解耦的动态表示 显示英文标题

标题： Disentangled Dynamic Representations from Unordered Data

摘要： 我们提出了一种深度生成模型，该模型从无序输入中学习数据的解耦静态和动态表示。 我们的方法利用了顺序数据中存在的规律性，这些规律性无论数据以何种顺序呈现都存在。 我们因子化图形模型的结果是为数据动态提供了一个组织良好且连贯的潜在空间。 我们在几个合成动态数据集和包含各种面部表情和头部姿势的真实视频数据上展示了我们的方法。 显示英文摘要

摘要： We present a deep generative model that learns disentangled static and dynamic representations of data from unordered input. Our approach exploits regularities in sequential data that exist regardless of the order in which the data is viewed. The result of our factorized graphical model is a well-organized and coherent latent space for data dynamics. We demonstrate our method on several synthetic dynamic datasets and real video data featuring various facial expressions and head poses.