Generative Autoencoders

新框架在不连续流形上生成数据

研究人员开发了一种在不连续流形上生成数据的新颖框架，这项任务对于现有的生成对抗网络（GANs）和变分自编码器（VAEs）等模型来说具有挑战性。这种新方法利用预训练的对比编码器创建了一个聚类的潜在空间，每个聚类代表一个单模态子流形。然后，为每个聚类训练专门的低复杂度网络，以从高斯分布生成数据。该框架基于最大化输入数据与其潜在空间表示之间的互信息，并在合成二维数据上成功地从连续随机网络生成不连续分布。