AVAE：对抗变分自编码器
计算机视觉与模式识别
2020-12-22 v1
摘要
在种类繁多的图像生成模型中，有两种模型尤为突出：变分自编码器（VAE）与生成对抗网络（GAN）。GAN能够生成逼真图像，但存在模式崩溃问题，且无法简便地获取图像的潜表示。另一方面，VAE没有这些问题，但其生成的图像往往不如GAN逼真。在本文中，我们指出这种逼真度的缺乏部分源于对自然图像流形维数的普遍低估。为解决此问题，我们引入了一种新框架，以新颖且互补的方式结合VAE与GAN，从而产生一种保持VAE特性同时生成GAN质量图像的自编码模型。我们在五个图像数据集上从定性与定量两方面评估了我们的方法。
引用
@article{arxiv.2012.11551,
title = {AVAE: Adversarial Variational Auto Encoder},
author = {Antoine Plumerault and Hervé Le Borgne and Céline Hudelot},
journal= {arXiv preprint arXiv:2012.11551},
year = {2020}
}
备注
pre-print version of an article to appear in the proceedings of the International Conference on Pattern Recognition (ICPR 2020) in January 2021