DMVAE

新的DMVAE模型显式塑造潜在空间以实现更好的图像生成

研究人员推出了一种新颖的视觉生成模型方法——分布匹配变分自编码器（DMVAE）。与先前隐式约束潜在空间的方法不同，DMVAE显式地将编码器的潜在分布与选定的参考分布对齐。这使得能够探索超越传统高斯先验的优化潜在分布，并发现源自自监督特征的分布在重建质量和建模效率之间提供了强大的平衡。DMVAE在ImageNet上仅用64个训练周期就达到了3.2的gFID分数，这表明显式分布对齐对于高保真图像合成至关重要。