본 논문은 기존의 분리된 표현 학습(disentangled representation learning) 정의 및 측정 방식이 변수 요인들의 독립성을 가정한다는 한계점을 지적합니다. 실제 데이터에서는 변수 요인들이 독립적이지 않으므로, 기존 방식은 현실적인 상황에 적용하기 어렵습니다. 따라서 본 논문에서는 정보 이론에 기반하여 변수 요인들의 독립성을 가정하지 않는 새로운 분리된 표현 학습의 정의를 제시하고, 이를 정보 병목 방법(Information Bottleneck Method)과 연결시킵니다. 또한, 변수 요인들의 독립성을 고려한 새로운 분리 정도 측정 방법을 제안하고, 다양한 실험을 통해 기존 방법과 비교하여 제안된 방법의 우수성을 보여줍니다.
