研究人员提出了TopDis方法，通过加入多尺度拓扑损失项来学习解耦表示。该方法优化数据流形遍历的拓扑相似性，提出了可微分的解耦拓扑损失。实验证明，该方法在无监督学习中具有改进效果，并可在训练好的生成对抗网络中使用。
完成下面两步后，将自动完成登录并继续当前操作。
