理解 GAN 与 VAE 模型的探析
机器学习
2018-12-19 v2 机器学习
摘要
本项目报告比较了 2017 年之前提出的一些已知 GAN 与 VAE 模型。在我们完成本报告之后已有显著进展。我们上传本报告作为生成模型的导论，并提供一些由经验证据支撑的个人解读。生成对抗网络模型与变分自编码器均被广泛用于近似数据集的概率分布。尽管二者都使用参数化分布来近似底层数据分布（其精确推断不可行），它们的行为却非常不同。我们总结了比较这两类模型在保真度与模式坍塌方面表现的实验结果。我们给出一个假设来解释它们的不同行为，并基于该假设提出一个新模型。我们进一步在 MNIST 数据集与 CelebA 数据集上测试了所提模型。
引用
@article{arxiv.1812.05676,
title = {A Probe Towards Understanding GAN and VAE Models},
author = {Lu Mi and Macheng Shen and Jingzhao Zhang},
journal= {arXiv preprint arXiv:1812.05676},
year = {2018}
}
备注
9 pages, 8 figures