基于流扫描的可交换生成模型
机器学习
2019-09-20 v3 机器学习
摘要
本工作中，我们提出了一种针对可交换非独立同分布(i.i.d.)数据的生成式密度估计新方法。所提出的框架 FlowScan 将可逆流变换与排序扫描相结合，在保持可交换性的同时灵活地对数据建模。与大多数现有方法不同，FlowScan 利用集合内部的相互依赖关系来学习全局与局部结构。FlowScan 是首个能够将序列方法应用于可交换密度估计而无需对所有可能排列取平均的方法。我们在点云和图像集建模上取得了新的最先进(SOTA)性能。
引用
@article{arxiv.1902.01967,
title = {Exchangeable Generative Models with Flow Scans},
author = {Christopher Bender and Kevin O'Connor and Yang Li and Juan Jose Garcia and Manzil Zaheer and Junier Oliva},
journal= {arXiv preprint arXiv:1902.01967},
year = {2019}
}