中文

关于深度生成模型隐空间中的线性插值

机器学习 2021-05-11 v1

摘要

深度生成模型中隐空间的底层几何结构在大多数情况下并非欧氏的,这可能在比较两个模型的插值能力时导致偏差。隐空间中线性插值的平滑性与合理性与该底层生成模型的质量相关。在本文中,我们表明并非所有此类插值都具有可比性,因为它们可能任意偏离由测地线给出的最短插值曲线。通过计算生成模型的拉回度量下的曲线长度、找到比端点间直线更短的曲线、并测量该直线上非零的相对长度改进,揭示了这种偏差。这引出了一种跨两个生成模型比较线性插值的策略。我们还展示了选择适当输出空间来计算更短曲线的影响与重要性。针对该计算,我们推导了拉回度量的一个扩展。

关键词

引用

@article{arxiv.2105.03663,
  title  = {On Linear Interpolation in the Latent Space of Deep Generative Models},
  author = {Mike Yan Michelis and Quentin Becker},
  journal= {arXiv preprint arXiv:2105.03663},
  year   = {2021}
}

备注

For BibTex and Poster: https://openreview.net/forum?id=SL9w_9M-kSj