깊은 확률 계층의 활용
확률적 잠재 변수를 깊게 쌓아 복잡한 공분산 구조를 표현하는 연구다. 생성 모형에는 건너뛰기 연결을 사용하고 추론 신경망은 양방향 확률적 경로로 구성한다.
자료의 여러 수준 표현
잠재 계층이 자료 분포의 서로 다른 측면을 포착하는지 조사했다. 자연 이미지의 생성 품질과 시험 우도를 평가하고 높은 수준의 의미 특징을 이용한 이상 탐지도 살폈다.
반지도 분류로의 확장
반지도 분류 과제로도 확장해 생성적 적대 신경망 계열과 비교했다. 하나의 깊은 잠재 계층을 생성과 표현 및 후속 분류에 활용하는 접근이다.
관련 문서
Ladder VAE / NVAE / 매우 깊은 계층형 VAE / VampPrior / 변분 오토인코더 / 공분산