迈向概念压缩
机器学习
2016-05-02 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种简单的循环变分自编码器（recurrent variational auto-encoder）架构，显著改进了图像建模。该系统在 ImageNet 和 Omniglot 数据集上的潜变量模型中均代表了当前最优水平。我们表明，它自然地将全局概念信息与低层细节分离，从而满足了无监督学习的一个基本期望特性。此外，限制自身仅存储图像的全局信息的可能性，使我们能够实现高质量的“概念压缩”。
引用
@article{arxiv.1604.08772,
title = {Towards Conceptual Compression},
author = {Karol Gregor and Frederic Besse and Danilo Jimenez Rezende and Ivo Danihelka and Daan Wierstra},
journal= {arXiv preprint arXiv:1604.08772},
year = {2016}
}
备注
14 pages, 13 figures