诊断与增强VAE模型
机器学习
2019-10-31 v2 计算机视觉与模式识别
机器学习
摘要
尽管变分自编码器（VAEs）是一种影响广泛的深度生成模型，其底层能量函数的许多方面仍知之甚少。特别地，人们普遍认为高斯编码器/解码器假设降低了VAE生成逼真样本的有效性。对此，我们严格分析了VAE目标函数，区分了该看法成立与不成立的情境。随后我们利用相应洞见开发了一种简单的VAE增强方法，无需额外超参数或敏感调参。在定量上，该方案生成清晰的样本与稳定的FID分数，实际可与多种GAN模型竞争，同时保留了原始VAE架构的理想属性。本工作的精简版将发表于ICLR 2019会议论文集（Dai and Wipf, 2019）。我们的模型代码可在 https://github.com/daib13/TwoStageVAE 获取。
引用
@article{arxiv.1903.05789,
title = {Diagnosing and Enhancing VAE Models},
author = {Bin Dai and David Wipf},
journal= {arXiv preprint arXiv:1903.05789},
year = {2019}
}