变分自编码器的几何视角
机器学习
2022-11-04 v2 机器学习
摘要
本文通过完全几何的观点，对变分自编码器（Variational Autoencoder, VAE）框架给出了一种新的解释。我们认为，原始 VAE 模型在其潜空间中自然地揭示了一种黎曼结构，并且考虑这些几何方面可以带来更好的插值和改进的生成过程。这一新提出的采样方法包括从由所学黎曼潜空间内在导出的均匀分布中采样，并且我们表明，使用此方案可以使原始 VAE 在多个基准数据集上与更先进的版本相竞争甚至更优。由于已知生成模型对训练样本数量敏感，我们也强调了该方法在低数据情形下的鲁棒性。
引用
@article{arxiv.2209.07370,
title = {A Geometric Perspective on Variational Autoencoders},
author = {Clément Chadebec and Stéphanie Allassonnière},
journal= {arXiv preprint arXiv:2209.07370},
year = {2022}
}
备注
Accepted to NeurIPS 2022