基于扩散模型的层次性变分自编码器
机器学习
2024-12-03 v1 机器学习
摘要
深层层次变分自编码器（VAEs）是强大的潜在变量生成模型。本文引入基于扩散的变分混合后验先验（VampPrior）的层次性 VAE。我们将 amortization 应用于 VampPrior 以实现多层次模型的规模化。所提出的方法允许我们在使用更少参数的情况下，比原始 VampPrior 及其他深层层次 VAE 获得更好的性能。我们在标准基准数据集（MNIST、OMNIGLOT、CIFAR10）上进行了经验验证，展示了改进的训练稳定性和潜在空间利用率。
引用
@article{arxiv.2412.01373,
title = {Hierarchical VAE with a Diffusion-based VampPrior},
author = {Anna Kuzina and Jakub M. Tomczak},
journal= {arXiv preprint arXiv:2412.01373},
year = {2024}
}