LED：基于潜变量的密度估计
机器学习
2022-06-24 v1 人工智能
摘要
现代生成模型大致分为两类：（1）可生成高质量随机样本但无法估计新数据点精确密度的模型；（2）提供精确密度估计，但以样本质量和潜空间紧凑性为代价的模型。本文提出 LED，一种与 GAN 密切相关的新生成模型，其不仅支持高效采样，也支持高效密度估计。通过在判别器输出上最大化对数似然，我们得到一种替代性对抗优化目标，鼓励生成数据的多样性。该表述揭示了若干流行生成模型间的关系。此外，我们构建了基于流的生成器，可计算生成样本的确切概率，同时允许低维潜变量作为输入。在多个数据集上的实验结果表明，我们的密度估计器能产生准确估计，同时保留良好的生成样本质量。
引用
@article{arxiv.2206.11563,
title = {LED: Latent Variable-based Estimation of Density},
author = {Omri Ben-Dov and Pravir Singh Gupta and Victoria Fernandez Abrevaya and Michael J. Black and Partha Ghosh},
journal= {arXiv preprint arXiv:2206.11563},
year = {2022}
}