Dueling Decoders: Regularizing Variational Autoencoder Latent Spaces.

arXiv: Learning, (2019)

被引用0|浏览100
EI
下载 PDF 全文
引用

摘要

Variational autoencoders learn unsupervised data representations, but these models frequently converge to minima that fail to preserve meaningful semantic information. For example, variational autoencoders with autoregressive decoders often collapse into autodecoders, where they learn to ignore the encoder input. In this work, we demons...更多

代码

数据

作者
Bryan Seybold
Bryan Seybold
Emily Fertig
Emily Fertig
您的评分 :
0

 

标签
评论
数据免责声明
页面数据均来自互联网公开来源、合作出版商和通过AI技术自动分析结果,我们不对页面数据的有效性、准确性、正确性、可靠性、完整性和及时性做出任何承诺和保证。若有疑问,可以通过电子邮件方式联系我们:report@aminer.cn
小科