Superposed Latent Autoencoder

Superposed Latent Autoencoder 通过共享内存改进表示压缩

研究人员推出了一种新颖的表示压缩方法——Superposed Latent Autoencoder (SLAE)，该方法允许多个更宽的潜在表示通过学习到的叠加共享存储。与传统的减小潜在尺寸的自编码器不同，SLAE 将潜在表示转换为存储友好的代码，用随机密钥绑定它们，并将它们叠加到单个内存张量中。该方法显著改善了重建-内存的权衡，在相同的内存预算下，重建误差最多可降低 56%，下游分类性能最多可提高 16.79 个百分点。