耦合变分自编码器
机器学习
2023-06-06 v1 机器学习
摘要
变分自编码器是生成任务中强大的概率模型，但受限于先验中的空洞而生成低质量样本。我们提出耦合变分自编码器（C-VAE），将 VAE 问题表述为先验分布与数据分布之间的最优传输（OT）问题。C-VAE 通过对先验与数据分布施加耦合，允许先验具有更大灵活性并自然解决先验空洞问题，并通过熵 OT 的原始、对偶和半对偶公式实现灵活优化。在合成和真实数据上的模拟表明，C-VAE 在忠于数据、潜表示质量以及生成样本质量方面优于包括 VAE、WAE 和 InfoVAE 在内的替代方法。
引用
@article{arxiv.2306.02565,
title = {Coupled Variational Autoencoder},
author = {Xiaoran Hao and Patrick Shafto},
journal= {arXiv preprint arXiv:2306.02565},
year = {2023}
}
备注
ICML 2023