双向对抗变分自编码器
机器学习
2019-02-13 v2 机器学习
摘要
在变分自编码器的原始版本中，Kingma 等人假设在推断过程中的近似后验分布和在生成过程中的输出分布均为高斯分布。出于计算上的原因，这些假设是有益的，例如我们可以利用重参数化技巧轻松优化神经网络参数，并且两个高斯分布之间的 KL 散度可以以闭式计算。然而，由于难以表示多模态分布，这会导致生成的图像模糊。我们证明，使用两个对抗网络，我们可以在没有任何高斯假设的情况下优化参数。
引用
@article{arxiv.1902.03517,
title = {Biadversarial Variational Autoencoder},
author = {Arnaud Fickinger},
journal= {arXiv preprint arXiv:1902.03517},
year = {2019}
}