학습 가능한 혼합 사전
하나의 고정된 단순 분포 대신 여러 변분 사후를 혼합해 사전 분포를 만든다. 각 성분은 학습 가능한 의사 입력에 조건을 둔 사후로 정의된다.
계층 모형으로의 확장
이 사전을 두 층의 계층 모형으로 확장해 결합한 사전과 사후를 학습했다. 쓸모없이 남는 잠재 차원과 관련된 국소 최적점 문제를 줄이는 효과도 조사했다.
모형의 평가
원 연구는 여섯 자료에서 비지도 순열 불변 설정과 합성곱 신경망을 사용하는 설정을 평가했다. 사전 분포의 표현력과 잠재 공간 활용이 생성 모형에 미치는 영향을 다룬다.
관련 문서
Ladder VAE / 변분 오토인코더 / InfoVAE / S-VAE / 혼합 모형 / 잠재 변수