应用于多尺度图像表示的条件高斯尺度混合混合模型
机器学习
2012-09-17 v1
摘要
我们提出了一种基于高斯尺度混合和简单多尺度表示的自然图像概率模型。与关注 Markov 随机场建模整幅图像的主流方法不同，我们将模型表述为有向图模型。我们表明，当在自然图像或基于遮挡模型的样本上训练时，该模型能够生成具有有趣高阶相关性的图像。更重要的是，有向模型使我们能够进行有原则的评估。虽然生成视觉上有吸引力的图像很容易，但我们证明，当用交叉熵率评估时，我们的模型也取得了迄今为止报告的最佳性能，而交叉熵率是与平均对数似然紧密相关的度量。
引用
@article{arxiv.1109.4389,
title = {Mixtures of conditional Gaussian scale mixtures applied to multiscale image representations},
author = {Lucas Theis and Reshad Hosseini and Matthias Bethge},
journal= {arXiv preprint arXiv:1109.4389},
year = {2012}
}