집계 사후의 정렬
오토인코더가 만든 잠재 코드 벡터의 집계 사후 분포를 임의로 정한 사전 분포와 맞춘다. 이를 위해 생성적 적대 신경망의 학습 방식을 변분 추론에 활용한다.
잠재 코드에서 자료로
디코더는 부여된 사전 분포에서 자료 분포로 이어지는 생성 모형을 학습한다. 원 연구는 반지도 분류와 비지도 군집화, 이미지의 스타일과 내용 분리 등 여러 응용을 제시했다.
학습된 표현의 활용
차원 축소와 자료 시각화에도 활용할 수 있는 방법으로 설명한다. MNIST와 SVHN 및 Toronto Face 자료에서 생성 모델링과 반지도 분류를 평가했다.
관련 문서
바서슈타인 오토인코더 / 변분 오토인코더 / 생성적 적대 신경망 / 잠재 변수 / 군집화 / 차원 축소