基于 AIS 的 HMC 使用 GAN 进行协同生成

推断给定联合分布中其余变量时某子集变量的最可能构型——我们称之为协同生成（co-generation）——是一项重要挑战，除最简单设定外计算代价高昂。该任务已受到相当关注，特别是对于结构化预测等经典分布建模方法。相比之下，对于最近提出的高维分布建模技术，尤其是生成对抗网络（GANs），关于此任务几乎一无所知。因此，本文中我们研究使用 GAN 进行协同生成所面临的挑战。为应对这些挑战，我们开发了基于退火重要性采样（annealed importance sampling, AIS）的哈密顿蒙特卡洛（Hamiltonian Monte Carlo, HMC）协同生成算法。所提方法在合成数据以及 CelebA 和 LSUN 数据集上显著优于经典基于梯度的方法。