生成模型——NVAE: A Deep Hierarchical Variational Autoencoder——arxiv2020.07
程序员文章站
2022-06-09 17:15:11
VAE相关改进VAE的相关改进:1)VAE和GAN结合,GAN的缺点是训练不稳定;2)VAE和flow模型结合;3)VQ-VAENVAENouveau VAE,包含了多尺度架构、可分离卷积、swish 激活函数、flow 模型等自回归分布将隐变量分组,针对组间多尺度设计其他性能提升技巧BN层改进(改成Instance Normalization或Weight Normalization);谱正则化的应用(在每一个卷积层加谱正则化);flow模型增强分布;节省显存的技巧参考材料扩展....
VAE相关改进
VAE的相关改进:1)VAE和GAN结合,GAN的缺点是训练不稳定;2)VAE和flow模型结合;3)VQ-VAE
NVAE
Nouveau VAE,包含了多尺度架构、可分离卷积、swish 激活函数、flow 模型等
自回归分布
将隐变量分组,针对组间
多尺度设计
其他性能提升技巧
BN层改进(改成Instance Normalization或Weight Normalization);谱正则化的应用(在每一个卷积层加谱正则化);flow模型增强分布;节省显存的技巧
扩展阅读
论文标题:Training Generative Adversarial Networks with Limited Data
论文链接
参考材料
本文地址:https://blog.csdn.net/david8766/article/details/107331813
上一篇: 你真的知道玄米茶的功效与作用吗?