分解对抗学习推断
机器学习
2020-04-23 v1 机器学习
摘要
生成对抗模型的有效推断仍是一个重要且具挑战性的问题。我们提出一种新方法——分解对抗学习推断（DALI），其在数据与码空间显式匹配先验与条件分布，并对生成模型的依赖结构施加直接约束。我们导出了先验与条件匹配目标的一个等价形式，可在不对数据作任何参数假设下高效优化。我们在MNIST、CIFAR-10和CelebA数据集上通过定量与定性评估验证了DALI的有效性。结果表明，与其他对抗推断模型相比，DALI显著改善了重建与生成。
引用
@article{arxiv.2004.10267,
title = {Decomposed Adversarial Learned Inference},
author = {Alexander Hanbo Li and Yaqing Wang and Changyou Chen and Jing Gao},
journal= {arXiv preprint arXiv:2004.10267},
year = {2020}
}