深度生成模型的隐空间精炼

深度生成模型正被广泛应用于科学和工业的多种目的中。一个常见的挑战是实现对数据概率密度的精确隐式或显式表示。近期的研究建议利用分类器权重来精炼深度生成模型所学到的密度。我们将这一思想推广到所有类型的生成模型，并展示了通过迭代生成建模进行的隐空间精炼如何规避拓扑障碍并提升精度。该方法同样适用于目标模型不可微且拥有许多内部隐维度（在精炼前必须对其边缘化）的情形。我们在多个示例上演示了我们的隐空间精炼（LaSeR）协议，重点聚焦于归一化流（Normalizing Flows）与生成对抗网络（Generative Adversarial Networks）的组合。