关键词likelihood-based models
搜索结果 - 5
- 使用数据流形上的标准化流进行外分布检测
使用低维流形的测度和距离作为离群检测的标准，实验结果表明流形学习改善了归一化流这一类基于似然模型的离群检测能力，而无需修改模型结构或使用训练期间的辅助离群数据。
- 远期温度缩放
本文提出了一种新的温度缩放采样方法 Long Horizon Temperature Scaling (LHTS)，其优化样本的长线时间似然度，将该方法应用于图像扩散模型和字符 / 语言自回归模型，并证明在可能性和样本质量方面相对于目光短浅 - 变分扩散模型
本文介绍了一种基于扩散的生成模型，并通过优化噪声时间表等带有高效率的方法，使其在标准图像密度估计基准测试中获得最先进的似然。
- NVAE: 深度分层变分自编码器
提出了一种用于图像生成的深度分层变分自编码器（NVAE），其使用深度分离卷积和批归一化。NVAE 在 MNIST、CIFAR-10、CelebA 64 和 CelebA HQ 数据集上取得了最先进的结果，并为 FFHQ 提供了强大的基准。N - ICMLWaveFlow: 面向原始音频的紧凑流模型
本文介绍了一种小型的 WaveFlow 产生式流，可以训练原始音频并合成高保真语音，只需几个步骤即可生成成千上万个时间步长的波形，并具有比 WaveGlow 小 15 倍的参数和 42.6 倍的音频合成速度。