欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

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....

生成模型——NVAE: A Deep Hierarchical Variational Autoencoder——arxiv2020.07

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
生成模型——NVAE: A Deep Hierarchical Variational Autoencoder——arxiv2020.07

多尺度设计

生成模型——NVAE: A Deep Hierarchical Variational Autoencoder——arxiv2020.07
生成模型——NVAE: A Deep Hierarchical Variational Autoencoder——arxiv2020.07

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