Pythae：用 Python 统一生成式自编码器——一个基准测试用例
机器学习
2023-07-21 v2 机器学习
摘要
近年来，深度生成模型因能建模复杂分布而受到越来越多的关注。在这些模型中，变分自编码器(VAE)已广受欢迎，因为它们既被证明计算高效，又在多个领域产生令人印象深刻的成果。在此突破之后，为改进原始工作进行了广泛研究，针对不同的任务产生了多种不同的 VAE 模型。在本文中，我们提出 Pythae，一个通用的开源 Python 库，提供统一的实现以及专用框架，允许直接、可复现且可靠地使用生成式自编码器模型。然后我们提议使用该库执行一个案例研究基准，其中我们展示并比较了 19 个代表一些主要改进的生成式自编码器模型，用于图像重建、生成、分类、聚类和插值等下游任务。该开源库可在 https://github.com/clementchadebec/benchmark_VAE 找到。
引用
@article{arxiv.2206.08309,
title = {Pythae: Unifying Generative Autoencoders in Python -- A Benchmarking Use Case},
author = {Clément Chadebec and Louis J. Vincent and Stéphanie Allassonnière},
journal= {arXiv preprint arXiv:2206.08309},
year = {2023}
}
备注
Accepted to NeurIPS 2022