如何评价 On Unifying Deep Generative Models 这篇 paper? 第1页
1
zhisbug 网友的相关建议:
这是一个挺有意思的工作。这篇工作试图把近来很火爆的一系列深度生成模型（特别是GAN和VAE）和他们的诸多变种用统一的框架解释。
举个例子，比如GAN，原始的GAN paper是用博弈论来构造出整个模型的，最近也有不少文章试图来从不同角度理解或解释GAN(比如 https://arxiv.org/abs/1606.00709, https://arxiv.org/abs/1610.03483)。但是这篇文章从另一个角度出发：把X（比如图片）看做隐变量(latent variable)，用Bayesian Inference里面的经典方法变分(variational inference)来解释生成过程(generation)，很巧妙。
他这种formulation最大的好处是很容易把一些以前常见的模型联系起来, 比如VAE，wake-sleep等等；这些模型或算法，本身都是从variational inference的角度出发的。有了这个理解以后，很方便把各种靠VI求解的模型或很多现成的VI inference方法和GAN这一套体系结合起来，说不定在各个benchmark上又能搞点新闻出来。
利益相关。。。。我看着一作在我旁边把这个paper写出来的...
1
相关话题
行人轨迹预测有哪些有效的方法和普遍的base方法？或者public dataset?如何看待swin transformer成为ICCV2021的 best paper？
为什么CV能做到让一幅人脸图动了笑了，而NLP的text-style-transfer进展貌似一般？
有哪些你看了以后大呼过瘾的数据分析书？
Graph Attention Network的本质是什么？
人工智能技术会不会最终赶上微积分的历史地位？
有什么算法能对一个长短不一的时间序列进行分类预测?
如何评价论文「Stochastic Training is Not Necessary ...」?
除了深度学习，机器学习领域近年来还有什么热点吗？
如何评价Hinton组的新工作SimCLR?
下一个讨论
自然界有哪些长相可怕的动物？
相关的话题
怎么在家学习一些关于机器学习的知识?主题模型(topic model)到底还有没有用，该怎么用？
在做算法工程师的道路上，你掌握了什么概念或技术使你感觉自我提升突飞猛进？
深度学习中，模型大了好还是小了好呢？
从应用的角度来看，深度学习怎样快速入门？
为什么ViT里的image patch要设计成不重叠？
caffe开发过程中使用了哪些工具？
联邦学习在机器学习领域有什么独立存在的价值?
为什么学习深度学习感觉无法入门？
注意力机制是如何学习到模型所应注意的区域的？
如何看待AI伦理科学家Timnit Gebru在邮件控诉谷歌缺乏种族多样性后被Jeff Dean炒掉？
算法工程师的落地能力具体指的是什么？
神经网络中的能量函数是如何定义的？
请问有没有基于实例的迁移学习的数据？
在算力充沛，深度学习模型大行其道的今天，传统机器学习的未来在哪里？
未来五年，数据科学家（Data Scientist）的岗位需求会如何变化？
把某人的 DNA 序列作为输入，正面照片作为输出，丢到深度神经网络里面学习，可行吗？
请问机器学习中的预测与决策的区别是什么，他们的界限在哪里呢？
自动化的控制与检测领域中，有没有像机器学习、图像处理领域一样经典巧妙的算法？
魔鬼如何在最短时间内抓住天使？
如何解决测试中充斥着大量训练集中没见过的样本类型模型将其识别成非我族类仍然保持测试集的高精度？
如何看待Yoav Goldberg 怒怼来自MILA的GAN for NLG的paper?
新智元提问：如何看待李飞飞高徒Karpathy加入特斯拉，主管人工智能部门？
如何看待 Google 既可以作 Inference，又可以作 Training 的新一代 TPU？
如何看待多模态transformer，是否会成为多模态领域的主流？
做底层 AI 框架和做上层 AI 应用，哪个对自己的学术水平（或综合能力）促进更大？
什么是meta-learning?
卷积神经网络中卷积核是如何学习到特征的？
相比于时下流行的机器学习方法（联接主义），传统的人工智能方法（符号主义）有什么独一无二的优势？
Graph Attention Network的本质是什么？