用于生成建模的自回归分位数网络
机器学习
2018-06-15 v1 机器学习
摘要
我们引入自回归隐式分位数网络（AIQN），一种与常用方法根本不同的生成建模方法，其利用分位数回归隐式捕捉分布。AIQN 能够在不损失样本多样性的情况下，实现更优的感知质量与评估指标的改进。该方法可应用于许多现有模型与架构。在本工作中，我们用 AIQN 扩展 PixelCNN 模型，并使用 Inception score、FID、非精选样本以及修复结果在 CIFAR-10 和 ImageNet 上展示结果。我们一致观察到 AIQN 产生了高度稳定的算法，在保持高度多样分布的同时改善了感知质量。
引用
@article{arxiv.1806.05575,
title = {Autoregressive Quantile Networks for Generative Modeling},
author = {Georg Ostrovski and Will Dabney and Rémi Munos},
journal= {arXiv preprint arXiv:1806.05575},
year = {2018}
}
备注
ICML 2018