论 Wasserstein 自编码器的潜空间
机器学习
2018-02-13 v1 机器学习
摘要
我们研究了潜空间维度在 Wasserstein 自编码器（WAEs）中的作用。通过在合成与真实数据集上的实验，我们认为应优先选择随机编码器而非确定性编码器。我们突出了 WAEs 在表示学习中的潜力，并在一个基准解耦任务上取得了有前景的结果。
引用
@article{arxiv.1802.03761,
title = {On the Latent Space of Wasserstein Auto-Encoders},
author = {Paul K. Rubenstein and Bernhard Schoelkopf and Ilya Tolstikhin},
journal= {arXiv preprint arXiv:1802.03761},
year = {2018}
}