通过迭代近似祖先采样对变分自编码器进行条件采样
机器学习
2023-11-09 v2 机器学习
摘要
变分自编码器（VAEs）的条件采样在各种应用中是必需的，例如缺失数据填补，但在计算上难以处理。用于渐近精确条件采样的原则性选择是 Gibbs 内 Metropolis（MWG）。然而，我们观察到 VAE 学习结构化潜空间（一种通常期望的性质）的倾向，会导致 MWG 采样器“卡住”在远离目标分布的位置。本文缓解了 MWG 的局限性：我们系统地概述了在 VAE 背景下的陷阱，提出了解决这些陷阱的两种原创方法，并在一组采样任务上展示了所提方法的性能提升。
引用
@article{arxiv.2308.09078,
title = {Conditional Sampling of Variational Autoencoders via Iterated Approximate Ancestral Sampling},
author = {Vaidotas Simkus and Michael U. Gutmann},
journal= {arXiv preprint arXiv:2308.09078},
year = {2023}
}
备注
Published in Transactions on Machine Learning Research (TMLR), 2023