量子化的变分自编码机 Vector Quantized VAE (VQ-VAE)
发布时间：2020-03-11 栏目：人工智能, 深度学习 评论：0 Comments
变分自编码机 VAE 是一种非监督学习方法，它属于 AutoEncoder 的一个强大变种。一个 AutoEncoder 模型包含两部分，一个编码器 Encoder，一个解码器 Decoder。前者将高维输入图像 x 压缩到一个低维潜变量 z，后者将 z 解码，重建 x。计算重构误差并反向传递，即可学习编码器与解码器的神经网络权重。
- VQ-VAE 因在潜在表示空间使用自回归神经网络，可以捕捉到更多的结构化的全局关联信息。
- 而 VQ-VAE-2 将顶层全局与底层局部信息分离开来，生成全局自洽，局部高清的图像。
参考：
- [1312.6114] Auto-Encoding Variational Bayes (arxiv.org)
- CVAE的原文《Learning Structured Output Representation using Deep Conditional Generative Models 》
Comments are closed.
近期评论
- Pika发表在《莫里斯蠕虫（Morris Worm）》
- Pika发表在《多组学科研分析》
- crisy发表在《最近关于专利的一点感想》
- walter发表在《机器学习基础知识回顾-马尔科夫过程（Markov Process）》
文章归档
- 2024年3月
- 2024年2月
- 2023年12月
- 2023年11月
- 2023年10月
- 2023年9月
- 2023年8月
- 2023年7月
- 2023年6月
- 2023年5月
- 2023年4月
- 2023年3月
- 2023年2月
- 2023年1月
- 2022年12月
- 2022年11月
- 2022年9月
- 2022年8月
- 2022年7月
- 2022年6月
- 2022年5月
- 2022年3月
- 2022年2月
- 2022年1月
- 2021年12月
- 2021年11月
- 2021年10月
- 2021年9月
- 2021年8月
- 2021年7月
- 2021年6月
- 2021年5月
- 2021年4月
- 2021年2月
- 2021年1月
- 2020年12月
- 2020年11月
- 2020年10月
- 2020年8月
- 2020年7月
- 2020年6月
- 2020年5月
- 2020年4月
- 2020年3月
- 2020年2月
- 2019年7月
- 2019年5月
- 2019年3月
- 2019年1月
- 2018年6月
- 2018年5月
- 2018年4月
- 2018年3月
- 2018年2月
- 2017年11月
- 2017年7月
- 2017年6月
- 2017年5月
- 2017年3月
- 2016年12月
- 2016年11月
- 2016年10月
- 2016年9月
- 2016年8月
- 2016年7月
- 2016年6月
- 2016年5月
- 2016年4月
- 2016年3月
- 2016年2月
- 2016年1月
- 2015年12月
- 2015年11月
