10:32
官方账号arXiv cs.LG@Ye Shi
推荐理由：想提升VAE解纠缠又不想牺牲重建质量？这篇论文用软约束同时搞定，dSprites上FactorVAE得分刷到0.891，值得看看。
Variational Autoencoder
共 1 条相关 AI 资讯
7月28日
10:32
本文提出软约束优化方法以平衡VAE的编码容量与解纠缠。在dSprites数据集上，熵约束（EC）使聚合潜在变量激活得分提升43%-62%，FactorVAE得分达0.891（对比β-VAE变体的0.847），重建误差降低38%。在MNIST上，权重过滤将下游分类器所用潜在维度从10降至2，精度保持在90%以上且收敛轮次减少37%。研究发现，低熵离散因子倾向于合并到单个潜在变量，高熵连续因子则分散到多个变量中。