BriefGPT.xyz
Jun, 2023
非线性自编码器
Unscented Autoencoder
HTML
PDF
Faris Janjoš, Lars Rosenbaum, Maxim Dolgov, J. Marius Zöllner
TL;DR
该研究探讨了使用无香精变换来改进变分自编码器生成模型的表现,使用更具信息量和低方差的后验表示来确保更高质量的重建,并使用Wasserstein分布度量来替换KL散度以允许更快的后验分布,最后得到了一种竞争力强的确定性采样VAE,可在脚手架分数上提高性能,训练方差较低。
Abstract
The
variational autoencoder
(VAE) is a seminal approach in deep
generative modeling
with latent variables. Interpreting its reconstruction process as a nonlinear transformation of samples from the latent
→