基于 Fisher 得分的自回归模型自然图像操控
计算机视觉与模式识别
2020-05-12 v2
摘要
深度自回归模型是当今存在的最强大模型之一，其实现了最先进的 bits per dim。然而，在可控样本生成方面，与潜变量模型相比它们处于严格的劣势。VAE 和归一化流等潜变量模型允许在潜空间中进行有意义的语义操控，而自回归模型不具备这一能力。在本文中，我们提出使用 Fisher 得分作为从自回归模型中提取嵌入以用于插值的方法，并表明与网络激活等替代嵌入相比，我们的方法提供了更有意义的样本操控。
引用
@article{arxiv.1912.05015,
title = {Natural Image Manipulation for Autoregressive Models Using Fisher Scores},
author = {Wilson Yan and Jonathan Ho and Pieter Abbeel},
journal= {arXiv preprint arXiv:1912.05015},
year = {2020}
}