包括 Geoffrey Hinton 在内的来自牛津大学 Applied AI Lab, 牛津大学统计部，谷歌大脑以及 DeepMind 的研究团队近日发布了新版胶囊网络——栈式胶囊自动编码器的研究。论文描述了一种无监督的胶囊网络版本，其中一个用于查看所有部分的神经编码器被用于推断物体胶囊的存在和姿势。编码器通过反向传播通过解码器进行训练，该解码器使用姿势预测的混合来预测每个已经发现的部分的姿势。通过使用神经编码器以类似的方式直接从图像中发现这些部分，所述神经编码器推断出部分及其仿射变换。相应的解码器将每个图像像素建模为由仿射变换部分做出的预测的混合。研究团队在未标记的数据上学习对象及其部分胶囊，然后聚集对象胶囊存在的向量。研究团队最终在 SVHN（55％）和近乎最先进的 MNIST（98.5％）上实现了无监督分类的最新结果。