Manifold geometry underlies a unified code for category and category-independent features
Cet article démontre que les réseaux de neurones convolutifs peuvent développer un code unifié pour l'identité des objets et les variables indépendantes de la catégorie, et propose une théorie géométrique expliquant comment la structure des variétés neuronales permet cette lecture conjointe tout en préservant les performances de classification.