深度生成模型与生成式 AI 中的多样性
计算机视觉与模式识别
2024-02-20 v3 人工智能
摘要
基于解码器的机器学习生成算法，如生成对抗网络（GAN）、变分自编码器（VAE）、Transformer，在构造与训练集合中相似的对象时表现出令人印象深刻的成果。然而，新对象的生成主要建立在对训练数据集隐藏结构理解的基础上，随后从多维正态变量中采样。特别地，每个样本彼此独立，并可能重复提出同类型对象。为纠正这一缺陷，我们引入一种基于核的测度量化方法，该方法可通过将给定目标测度整体逼近甚至远离已从该分布抽取的元素来产生新对象。这保证了所生成对象的更好多样性。该方法在经典机器学习基准上进行了测试。
引用
@article{arxiv.2202.09573,
title = {Diversity in deep generative models and generative AI},
author = {Gabriel Turinici},
journal= {arXiv preprint arXiv:2202.09573},
year = {2024}
}