ソフトイントロVAE:内省的変分オートエンコーダの解析と改善【JST・京大機械翻訳】

Daniel Tal; Tamar Aviv

プレプリント

J-GLOBAL ID：202202221305967867 整理番号：21P0070850

ソフトイントロVAE:内省的変分オートエンコーダの解析と改善【JST・京大機械翻訳】

Soft-IntroVAE: Analyzing and Improving the Introspective Variational Autoencoder

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年12月24日プレプリントサーバーでの情報更新日： 2021年03月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近導入された導入型変分自動符号器(IntroVAE)は,優れた画像生成を示し,画像符号器を用いて不死化推論を可能にする。IntroVAEにおける主なアイデアは,VAE符号器を用いて,生成と実際のデータサンプルを識別するVAE符号器を訓練することである。しかし,元のIntroVAE損失関数は,実際に安定化するのが非常に難しい特定のヒンジ損失定式化に依存し,その理論的収束解析は損失における重要な項を無視した。本研究では,IntroVAEモデル,その実用的実装,およびその応用のより良い理解に向けたステップを取り上げる。生成された試料の滑らかな指数損失でヒンジ損失項を置き換える修正IntroVAEであるソフトIntroVAEを提案した。この変化は訓練安定性を著しく改善し,また完全アルゴリズムの理論解析を可能にする。興味深いことに,IntroVAEはデータ分布とエントロピー項からKL距離の合計を最小化する分布に収束することを示した。この結果の意味を議論し,それが競合画像生成と再構成を誘導することを示した。最後に,教師なし画像翻訳と分布外検出に対するソフトIntroVAEの2つのアプリケーションを記述し,そして,説得力のある結果を示した。コードと追加情報は,プロジェクトウェブサイト-https://taldatech.github.io/soft intro vae webに関して利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る