Cramer-Wold自编码器
机器学习
2020-09-21 v3 人工智能
机器学习
摘要
我们提出一种新的生成模型，Cramer-Wold自编码器（CWAE）。遵循WAE，我们直接促使隐空间的正态性。我们的论文也使用了Sliced WAE（SWAE）模型的最新思想，该模型使用一维投影作为验证两个分布接近程度的方法。关键的新要素是在密度空间中引入一种新的（Cramer-Wold）度量，以替代SWAE中使用的Wasserstein度量。我们证明高斯混合之间的Cramer-Wold度量由一个简单的解析公式给出，这消除了在WAE和SWAE模型中估计代价函数所需的采样。因此，在极大简化优化过程的同时，CWAE生成的样本在感知质量上与其他SOTA模型相匹配。
引用
@article{arxiv.1805.09235,
title = {Cramer-Wold AutoEncoder},
author = {Szymon Knop and Jacek Tabor and Przemysław Spurek and Igor Podolak and Marcin Mazur and Stanisław Jastrzębski},
journal= {arXiv preprint arXiv:1805.09235},
year = {2020}
}