Nov, 2017
生成模型潜空间分布保持操作的最优输运映射
Optimal transport maps for distribution preserving operations on latent spaces of Generative Models
Eirikur Agustsson, Alexander Sage, Radu Timofte, Luc Van Gool
TL;DR本文介绍了使用分布匹配传输映射来确保潜在空间操作保留先前分布并实现更高质量样本的方法。
Abstract
generative models such as variational auto encoders (VAEs) and Generative
Adversarial Networks (GANs) are typically trained for a fixed prior
distribution in the →
generative modelsvariational auto encoderslatent spacedistribution matching transport mapssample quality
发现论文,激发创造
对抗计算最优输运映射
本文介绍了一种新的基于生成对抗网络的优化输运模型,使用 $2$-Wasserstein 距离度量判别器的目标函数,证明了在训练期间,生成器沿着初始和目标分布之间的 $W_2$- 测地线走,最终重现出最优映射,在低维和高维连续设置中进行验证,并证明其在图像数据上的性能优于以前的方法。
Jun, 2019
从最优传输到生成模型:VEGAN 食谱
本文以优化传输问题为基础,研究了无监督生成建模,并使用惩罚最优传输(POT)目标来有效地最小化该问题。作者发现,AAE 中的目标与 POT for the 2-Wasserstein distance 相同,并与其他流行技术如 VAE 进行了比较。作者的理论结果包括更好地理解 VAEs 生成图像的模糊度以及建立 Wasserstein GAN 和 POT for the 1-Wasserstein distance 之间的对偶关系。
May, 2017
基于迁移学习的少样本分类:利用预处理过的骨干神经网络潜空间进行最优输运映射
本研究介绍了在 MetaDL Challenge 2020 中排名第二的基于元学习的方法,在少量标注数据的情况下,通过修改隐空间中每个类别的分布来更好地对齐高斯分布,并利用期望最大化算法进一步对齐类别中心,使用 Sinkhorn 算法的最优传输映射。实验证明,该方法优于先前的研究以及使用 KNN 算法、高斯混合模型等其他算法的变体。
Feb, 2021
复杂性的重要性:重新思考生成建模的潜空间
本研究探讨了生成建模中潜在空间选择的最优解以及其确定过程,并提出了一种新的距离度量方法和具体的训练策略来优化潜在空间的选择,进而提高生成效果。
Jul, 2023
深层生成模型的度量标准
通过将 Riemannian 几何的思想应用到该领域,我们提出了一种基于最短路径计算的距离度量方法,可以获得基于原则的距离度量,提供深度生成模型的视觉检查工具和运动泛化工具。
Nov, 2017