变分自编码器中的隐式判别器
机器学习
2019-10-01 v1 计算机视觉与模式识别
机器学习
摘要
近年来，生成模型致力于结合变分自编码器（VAE）与生成对抗网络（GAN）的优势，以获得良好的重构与生成能力。本文提出一种新颖的混合架构——变分自编码器中的隐式判别器（IDVAE），它结合了 VAE 与 GAN，且无需显式的判别器网络。IDVAE 架构的基本前提是：VAE 的编码器与 GAN 的判别器利用共同特征，因此可作为共享网络进行训练，而 VAE 的解码器与 GAN 的生成器可合并为单一网络进行学习。这形成了一个简单的双层架构，兼具 VAE 与 GAN 的特性。在真实世界基准数据集上的定性与定量实验表明，IDVAE 优于当前最先进的混合方法。我们通过实验验证 IDVAE 可轻松扩展至条件设定，并展示了其在复杂数据集上的性能。
引用
@article{arxiv.1909.13062,
title = {Implicit Discriminator in Variational Autoencoder},
author = {Prateek Munjal and Akanksha Paul and Narayanan C. Krishnan},
journal= {arXiv preprint arXiv:1909.13062},
year = {2019}
}