Scifaro

中文

M$^2$VAE——从边际联合对数似然推导多模态变分自编码器目标

机器学习 2019-03-19 v1 机器学习

作者: Timo Korthals

在 arXiv 上查看 ↗ PDF ↗

摘要

本工作给出了从边际联合对数似然（marginal joint log-Likelihood）获得的可得训练的证据下界（evidence lower bound）的深入推导，旨在训练多模态变分自编码器（M $^2$ VAE）。

关键词

多模态变分自编码器证据下界边际联合对数似然 M$^2$VAE 推导

引用

@article{arxiv.1903.07303,
  title  = {M$^2$VAE - Derivation of a Multi-Modal Variational Autoencoder Objective from the Marginal Joint Log-Likelihood},
  author = {Timo Korthals},
  journal= {arXiv preprint arXiv:1903.07303},
  year   = {2019}
}

备注

Appendix for the IEEE FUSION 2019 submission on multi-modal variational Autoencoders for sensor fusion