主题： Exploring and Exploiting Interpretable Semantics in GANs

摘要： 诸如深度卷积神经网络和递归神经网络之类的复杂机器学习模型最近在诸如对象/场景识别，图像字幕，视觉问题解答等广泛的计算机视觉应用中取得了长足进步。但它们通常被视为黑匣子。随着模型越来越深入地寻求更好的识别精度，变得越来越难以理解模型给出的预测及其原因。在此次课程中我们将回顾我们在可视化，解释和解释方法学方面的最新进展，以分析计算机视觉中的数据和模型。本教程的主要主题是通过阐明动机，典型方法，预期趋势以及由此产生的可解释性的潜在工业应用，来就新兴的机器学习可解释性主题达成共识。这是第一个lecture，由Bolei Zhou演讲的Exploring and Exploiting Interpretable Semantics in GANs。