Fugu-MT 論文翻訳(概要): Coupled Variational Autoencoder

論文の概要: Coupled Variational Autoencoder

arxiv url: http://arxiv.org/abs/2306.02565v1
Date: Mon, 5 Jun 2023 03:36:31 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 16:56:17.526683
Title: Coupled Variational Autoencoder
Title（参考訳）: 結合型変分オートエンコーダ
Authors: Xiaoran Hao, Patrick Shafto
Abstract要約: 我々は、VAE問題を最適輸送(OT)の1つとして定式化する結合変分自動エンコーダ(C-VAE)を提案する。 C-VAEは、先行ホール問題の柔軟性と自然分解性を高める。 C-VAEは、VAE、WAE、InfoVAEなどの代替品よりも、データに対する忠実さ、潜伏表現の品質、および生成されたサンプルの品質に優れることを示す。
参考スコア（独自算出の注目度）: 6.599344783327053
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Variational auto-encoders are powerful probabilistic models in generative tasks but suffer from generating low-quality samples which are caused by the holes in the prior. We propose the Coupled Variational Auto-Encoder (C-VAE), which formulates the VAE problem as one of Optimal Transport (OT) between the prior and data distributions. The C-VAE allows greater flexibility in priors and natural resolution of the prior hole problem by enforcing coupling between the prior and the data distribution and enables flexible optimization through the primal, dual, and semi-dual formulations of entropic OT. Simulations on synthetic and real data show that the C-VAE outperforms alternatives including VAE, WAE, and InfoVAE in fidelity to the data, quality of the latent representation, and in quality of generated samples.
Abstract（参考訳）: 変分オートエンコーダは生成タスクにおいて強力な確率モデルであるが、前の穴によって引き起こされる低品質のサンプルを生成するのに苦しむ。本稿では,VAE問題を事前分布とデータ分布間の最適輸送(OT)の1つとして定式化する結合変分自動エンコーダ(C-VAE)を提案する。 c-vaeは、先行とデータ分布の結合を強制することにより、先行ホール問題の事前の柔軟性と自然な解決を可能にし、エントロピーotの原始的、双対的、半双対的な定式化を通じて柔軟な最適化を可能にする。合成および実データに関するシミュレーションにより、C-VAEはVAE、WAE、InfoVAEなどの代替品よりもデータの忠実性、潜伏表現の品質、生成したサンプルの品質に優れていた。

関連論文リスト

Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
論文参考訳（メタデータ） (2023-04-22T15:32:59Z)
Targeted Analysis of High-Risk States Using an Oriented Variational Autoencoder [3.494548275937873]
可変オートエンコーダ(VAE)ニューラルネットワークは、電力系統状態を生成するために訓練することができる。 VAEの潜在空間符号の座標は、データの概念的特徴と相関することが示されている。本稿では、遅延空間コードと生成されたデータとのリンクを制限するために、指向性変動オートエンコーダ(OVAE)を提案する。
論文参考訳（メタデータ） (2023-03-20T19:34:21Z)
Dizygotic Conditional Variational AutoEncoder for Multi-Modal and Partial Modality Absent Few-Shot Learning [19.854565192491123]
ディジゴティック条件変分オートエンコーダ(DCVAE)と呼ばれる新しいマルチモーダルデータ拡張手法を提案する。 DCVAEは、2つの条件変分オートエンコーダ(CVAE)を同じシードでペアリングすることで特徴合成を行うが、ジジゴティック共生方式では異なるモダリティ条件を行う。 2つのCVAEの生成した特徴を適応的に組み合わせて最終特徴を与える。
論文参考訳（メタデータ） (2021-06-28T08:29:55Z)
Discrete Auto-regressive Variational Attention Models for Text Modeling [53.38382932162732]
変分オートエンコーダ(VAE)はテキストモデリングに広く応用されている。情報不足と後部崩壊という2つの課題に悩まされている。本稿では,自己回帰変動注意モデル(DAVAM)を提案する。
論文参考訳（メタデータ） (2021-06-16T06:36:26Z)
PriorGrad: Improving Conditional Denoising Diffusion Models with Data-Driven Adaptive Prior [103.00403682863427]
条件拡散モデルの効率を改善するために, PreGrad を提案する。 PriorGradはデータとパラメータの効率を向上し、品質を向上する。
論文参考訳（メタデータ） (2021-06-11T14:04:03Z)
Model Selection for Bayesian Autoencoders [25.619565817793422]
本稿では,オートエンコーダの出力と経験的データ分布との分散スライス-ワッサーシュタイン距離を最適化することを提案する。我々のBAEは、フレキシブルなディリクレ混合モデルを潜在空間に適合させることにより、生成モデルに変換する。我々は,教師なしの学習課題に対する膨大な実験的キャンペーンを質的かつ定量的に評価し,先行研究が重要となる小規模データ体制において,我々のアプローチが最先端の結果をもたらすことを示す。
論文参考訳（メタデータ） (2021-06-11T08:55:00Z)
Cauchy-Schwarz Regularized Autoencoder [68.80569889599434]
変分オートエンコーダ(VAE)は、強力で広く使われている生成モデルのクラスである。 GMMに対して解析的に計算できるCauchy-Schwarz分散に基づく新しい制約対象を導入する。本研究の目的は,密度推定,教師なしクラスタリング,半教師なし学習,顔分析における変分自動エンコーディングモデルの改善である。
論文参考訳（メタデータ） (2021-01-06T17:36:26Z)
Bigeminal Priors Variational auto-encoder [5.430048915427229]
変分自動エンコーダ(VAEs)は、教師なし学習における可能性に基づく生成モデルに影響を及ぼし、一般的に使用される。本稿では,この現象に対処するための新しいモデル,すなわちBigeminal Priors Variational Auto-Encoder(BPVAE)を提案する。 BPVAEは2つのデータセットの特徴を学習し、単純なデータセットよりもトレーニングデータセットの可能性が高くなる。
論文参考訳（メタデータ） (2020-10-05T07:10:52Z)
Decomposed Adversarial Learned Inference [118.27187231452852]
我々は,DALI(Decomposed Adversarial Learned Inference)という新しいアプローチを提案する。 DALIは、データ空間とコード空間の両方の事前および条件分布を明示的に一致させる。 MNIST, CIFAR-10, CelebAデータセットにおけるDALIの有効性を検証する。
論文参考訳（メタデータ） (2020-04-21T20:00:35Z)
On the Encoder-Decoder Incompatibility in Variational Text Modeling and Beyond [82.18770740564642]
変分オートエンコーダ(VAE)は、潜時変数と償却変分推論を結合する。我々は,データ多様体のパラメータ化が不十分なエンコーダ・デコーダの不整合性を観察する。同一構造を持つ決定論的オートエンコーダとVAEモデルを結合した結合型VAEを提案する。
論文参考訳（メタデータ） (2020-04-20T10:34:10Z)
Variational auto-encoders with Student's t-prior [0.0]
本稿では,従来の変分自動エンコーダ(VAE)のための新しい構造を提案する。すべての分散パラメータはトレーニングされ、基礎となるデータ分布をより堅牢に近似することができる。
論文参考訳（メタデータ） (2020-04-06T11:54:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。