半隐式生成模型
机器学习
2019-07-30 v2 机器学习
摘要
为结合显式与隐式生成模型，我们引入半隐式生成器（SIG）作为一种灵活的分层模型，可在最大似然框架中训练。我们从理论和实验上均证明，SIG 能够生成高质量样本，尤其在处理多模态时。通过将 SIG 作为无偏正则化项引入生成对抗网络（GAN），我们展示了最大似然与对抗学习之间的相互作用可稳定对抗训练、抵抗 GAN notorious 的模式崩溃问题，并提升生成随机样本的多样性。
引用
@article{arxiv.1905.12659,
title = {Semi-Implicit Generative Model},
author = {Mingzhang Yin and Mingyuan Zhou},
journal= {arXiv preprint arXiv:1905.12659},
year = {2019}
}
备注
Third workshop on Bayesian Deep Learning (NeurIPS 2018), Montreal, Canada