DeepMind新論文：基於變分方法的自編碼生成對抗網路

王小新 編譯自 Arxiv

量子位 出品 | 公眾號 QbitAI

最近，DeepMind公司的Mihaela Rosca、Balaji Lakshminarayanan和David Warde-Farley等人寫了一篇題為「一種基於變分方法的自編碼生成對抗網路（Variational Approaches for Auto-Encoding Generative Adversarial Networks）」的論文。

這篇文章利用變分推理，提出了一種將自動編碼器和生成對抗網路融合起來的方法。

摘要

自動編碼生成對抗網路結合了標準形式的GAN演算法，通過自動編碼器給出的重建損失（construction loss）來區分原始數據和模型的生成數據。這種模型的目的是確保基於所有可用數據進行訓練，防止學習得到的生成模型出現模式崩潰問題。

在本文中，我們提出了一種規則，通過利用生成模型的層次結構，將自動編碼器結合到生成對抗網路中。由基本原理可表明，變分推理可作為網路學習的基本方法，但是要將隨機可能性替換為合成似然性，且將未知後驗分布替換為隱含分布。本文使用了鑒別器來學習網路中的合成似然性和隱含後驗分布。

於是，我們結合這兩種方法中的最優點，開發出一種結合變分自動編碼器和生成對抗網路的融合方法。我們設置了一個共同的優化目標，討論了引導學習的約束條件，與大量現有研究相聯繫，並使用了一系列實驗來系統地定量評估本文方法的效果。

更多實際性能及結果討論請看論文：https://arxiv.org/abs/1706.04987

P.S.

他們給自己的方法起名叫「α-GAN」，理由是：GAN太多，拉丁字母前綴不夠用了，只好用希臘字母了……

【完】

一則通知

量子位正在組建自動駕駛技術群，面向研究自動駕駛相關領域的在校學生或一線工程師。歡迎大家加量子位微信(qbitbot)，備註「自動駕駛」申請加入哈~

招聘

量子位正在招募編輯記者、運營、產品等崗位，工作地點在北京中關村。相關細節，請在公眾號對話界面，回復：「招聘」。

掃碼強行關注『量子位』

追蹤人工智慧領域最勁內容

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！