基于核转移算子的生成模型中的前向算子估计
机器学习
2021-12-02 v1 计算机视觉与模式识别
机器学习
摘要
使用显式密度建模的生成模型（例如变分自编码器、基于流的生成模型）涉及寻找从已知分布（例如高斯分布）到未知输入分布的映射。这通常需要在一类非线性函数（例如可由深度神经网络表示）上进行搜索。尽管在实践中有效，相关的运行时间/内存开销可能迅速增加，通常作为应用中所需性能的函数。我们提出了一种更廉价（且更简单）的策略，基于改编核转移算子中的已知结果来估计该映射。我们表明，我们的公式实现了高效的分布近似和采样，并提供了令人惊讶的良好经验性能，可与强大的基线相媲美，但显著节省了运行时间。我们表明该算法在小样本量设置（在脑成像中）也表现良好。
引用
@article{arxiv.2112.00305,
title = {Forward Operator Estimation in Generative Models with Kernel Transfer Operators},
author = {Zhichun Huang and Rudrasis Chakraborty and Vikas Singh},
journal= {arXiv preprint arXiv:2112.00305},
year = {2021}
}