Wasserstein 自编码器
机器学习
2019-12-06 v4 机器学习
摘要
我们提出了 Wasserstein 自编码器 (WAE)——一种用于构建数据分布生成模型的新算法。WAE 最小化模型分布与目标分布之间 Wasserstein 距离的惩罚形式，这导致了与变分自编码器 (VAE) 所使用的不同的正则化项。该正则化项促使编码后的训练分布与先验相匹配。我们将我们的算法与其他几种技术进行比较，并表明它是对抗自编码器 (AAE) 的一种推广。我们的实验表明，WAE 具有 VAE 的许多特性（训练稳定、编码器-解码器架构、良好的潜流形结构），同时生成质量更好的样本，这由 FID 分数衡量。
引用
@article{arxiv.1711.01558,
title = {Wasserstein Auto-Encoders},
author = {Ilya Tolstikhin and Olivier Bousquet and Sylvain Gelly and Bernhard Schoelkopf},
journal= {arXiv preprint arXiv:1711.01558},
year = {2019}
}
备注
Published at ICLR 2018.. Included much wider hyperparameter sweep: in significant improvements in FIDs on CelebA