【清华大学】诊断和增强VAE模型，Diagnosing and Enhancing VAE Models- 专知

【清华大学】诊断和增强VAE模型，Diagnosing and Enhancing VAE Models

虽然变分自编码器(VAEs)代表了一个广泛的有影响力的深度生成模型，但潜在的能量函数的许多方面仍然知之甚少。特别是，一般认为高斯编码器/解码器的假设降低了VAEs生成真实样本的有效性。在这方面，我们严格地分析VAE目标，区分哪些情况下这个信念是真实的，哪些情况下不是真实的。然后我们利用相应的见解来开发一个简单的VAE增强,不需要额外的hyperparameters或敏感的调优。在数量上，这个提议产生了清晰的样本和稳定的FID分数，这些分数实际上与各种GAN模型相竞争，同时保留了原始VAE架构的理想属性。这项工作的一个简短版本将出现在ICLR 2019年会议记录(Dai和Wipf, 2019)上。我们模型的代码在这个https URL TwoStageVAE中可用。

地址：

https://arxiv.org/abs/1903.05789

专知便捷查看