VAE

MAE同期工作，MSRA新作SimMiM：掩码图像建模，赶在内卷前的新方向！

我们简单化了最近提出的相关方法，不需要特别的设计需要，例如通过离散VAE或聚类的块掩码和令牌化。为了调查是什么使得掩码
烧技湾·2022-06-14 10:05

不会编程的厨子不是好歌手，音乐才子许嵩竟然是程序员

688ccc8adb5a78939fb95d8d643ece65_1652703078300004.jpg毕业于安徽医科大学管理系的许嵩，2006年初以笔名Vae在网上发布了一些自己用简单的音乐设备录制的音乐作品开始受到网友关注
编程狮W3Cschool·2022-05-16 21:52

对抗网络之PG-GAN，无条件下生成更真实的人脸图像[3]

当然作为当前最有竞争力的生成模型，相对于VAE,GAN虽然不稳定，相对于PixelCNN,GAN虽然没有提供明确的like
happyGirl122·2022-05-13 07:35

教你用TensorFlow和自编码器模型生成手写数字（附代码）

来源：机器之心本文长度为1876字，建议阅读4分钟本文介绍了如何使用TensorFlow实现变分自编码器（VAE）模型，并通过简单的手写数字生成案例一步步引导读者实现这一强大的生成模型。
数据派THU·2022-04-26 22:24

jsp中文乱码问题的简单解决方法

简单解决jsp中文乱码问题初学jsp制作一个简单的响应页面具体代码如下：username:Hello保存为test.jsp文件，启动tomcat访问，出现下图：在框内输入：vae出现下图：可是"username
·2022-04-26 19:51

【论文学习】《Adversarial examples for generative models》

Adversarialexamplesforgenerativemodels》论文学习文章目录《Adversarialexamplesforgenerativemodels》论文学习摘要1介绍2相关工作与背景2.1关于对抗的相关工作2.2VAE
FallenDarkStar·2022-04-26 09:01

UniVAE：基于Transformer的单模型、多尺度的VAE模型

©PaperWeekly原创·作者|苏剑林单位|追一科技研究方向|NLP、神经网络大家都知道，Transformer的复杂度是它的“硬伤”之一。不过凡事有弊亦有利，的复杂度也为Transformer带来很大的折腾空间，我们可以灵活地定制不同的attentionmask，来设计出不同用途的Transformer模型来，比如UniLM、K-BERT[1]等。本文介绍笔者构思的一个能用于文本的UniVA
PaperWeekly·2022-04-08 16:46

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

说到计算机生成的图像肯定就会想到deepfake：将马变成的斑马或者生成一个不存在的猫。在图像生成方面GAN似乎成为了主流，但是尽管这些模型在生成逼真的图像方面取得了巨大成功，但他们的缺陷也是十分明显的，而且并不是生成图像的全部。自编码器（autoencoder）作为生成的图像的传统模型还没有过时并且还在发展，所以不要忘掉自编码器！GAN并不是您所需要的全部当谈到计算机视觉中的生成建模时，几乎都会
·2022-03-24 14:51

GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结

说到计算机生成的图像肯定就会想到deepfake：将马变成的斑马或者生成一个不存在的猫。在图像生成方面GAN似乎成为了主流，但是尽管这些模型在生成逼真的图像方面取得了巨大成功，但他们的缺陷也是十分明显的，而且并不是生成图像的全部。自编码器（autoencoder）作为生成的图像的传统模型还没有过时并且还在发展，所以不要忘掉自编码器！GAN并不是您所需要的全部当谈到计算机视觉中的生成建模时，几乎都会
·2022-03-16 11:45

VAE变分自编码器

变分自编码器学习记录（VAE）文章目录变分自编码器学习记录（VAE）一、变分自编码器简述二、理论推导2.1VAE概述2.2理论推导三、代码实现四、后记参考链接理论讲解参考公式推导参考代码参考一、变分自编码器简述
帅，不止一面·2022-03-15 14:57

李宏毅——Flow-based Generative Model

jacobianMatrixDeterminantchangeofVariableTheoremflow-basedgenerativemodel导语已经介绍的生成模型之前的生成模型的问题component-by-component问题：什么是最好的顺序；生成的慢VAE
shaoyue1234·2022-03-10 07:57

第8章 生成式深度学习

本章主要介绍常用的两种：变分自动编码器(VAE)和生成式对抗网络（GAN）及其变种。GAN是基于博弈论，目的是找到达到纳什均衡的判别器网络和生成器网络。
HHzdh·2022-03-08 07:11

GAN综述及其在图像生成领域的应用（含原理、代码详解）

目录1.基本GAN1.1GAN（2014）1.2CGAN（2015）1.3DCGAN（2015）1.4VAE-GAN（2016）1.5ACGAN（2017）1.6styleGAN（2018）2.GAN在图像生成领域的应用
蓝鲸鱼BlueWhale·2022-03-03 09:07

深度学习《VAE-GAN》

VAE-GAN如下图所示，也就是VAE+GAN的组合。
星海千寻·2022-03-01 07:20

GAN（对抗生成网络）原理及数学推导

参考课程：计算机视觉与深度学习北京邮电大学鲁鹏概述在所有生成模型中，GAN属于“密度函数未知，直接硬train”的那一类，和密度函数可定义的PixelRNN/CNN以及变分自编码器VAE有本质区别。
琦子k·2022-02-27 10:27

变分自编码器（VAE）直观理解and 数学推导

这两天在学习VAE相关的内容，感觉云里雾里emm…写个博客记录一下~内容借鉴并综合了以下带佬：变分自编码器VAE：原来是这么一回事半小时理解变分自编码器花式解释AutoEncoder与VAE-知乎(zhihu.com
琦子k·2022-02-27 10:57

[代码阅读] Variational Adversarial Active Learning

仅供简单参考论文地址：https://arxiv.org/abs/1904.00370代码：https://github.com/sinhasam/vaal发表于：ICCV’19VAAL主要是由一个VAE
xiongxyowo·2022-02-20 07:41

2018-08-03 常用的nlp模型基础

【在NLP的应用中】关于VAE的入门级讲解：https://kexue.fm/archives/5253关于GAN的入门级讲解：https://zhuanlan.zhihu.com/p/29168803
猫玺·2022-02-17 12:32

GAN & VAE

BicycleGAN（不是CycleGAN的升级版）BicycleGAN结构BycycleGAN主要融合了cVAE-GAN和cLR-GAN，形成了以及这双重循环。Loss主要是GAN_loss+L1Loss+KL_loss三种类别，生成器使用类似于U-net的结构，编码器E使用res_block的CNN。论文结果如下：论文结果AMT:AmazonMechanicalTurktestLPIPSdis
NoneLand·2022-02-16 00:33

自编码器和GAN

en.wikipedia.org/wiki/AutoencoderTensorFlow上实现AutoEncoder自编码器变分自编码器变分自编码器（一）：原来是这么一回事https://github.com/bojone/vae
菜鸟瞎编·2022-02-13 08:32

大概是封情书

其实很早就想写点什么给你的，从广州演唱会回来的时候就想也在vae里面写篇长文讲一讲撒fufu的你，但是实在太懒那阵子每天也和你有视频就一直拖啊拖。
女之耽兮er·2022-02-12 08:11

2018-12-12-VAE

,n_epochs=20,batch_size=128,learn_rate=1e-3,model_path=base_dir+"/similarity_k_line/feature_extract/vae_feature_map_model
AI_Finance·2022-02-11 00:29

变分自编码器（一）：原来是这么一回事

姓名：任子琪学号：19021110610转载自：“科学空间”，原文链接：https://spaces.ac.cn/archives/5253【嵌牛导读】近年，变分编码器VAE（VariationalAuto-encoder
21度七·2022-02-07 13:48

Variational Auto-encoder（VAE）变分自编码器

介绍VariationalAuto-encoder（VAE）变分自编码器，是无监督复杂概率分布学习的最流行的方法之一。VAE的最大特点是模仿自动编码机的学习预测机制，在可测函数之间进行编码、解码。
612twilight·2022-02-06 11:38

论文阅读“Variational Deep Embedding: A Generative Approach to Clustering”

在本文中，作者提出了变分深度嵌入(VaDE)模型，这是一种在变分自动编码器(VAE)框架内提出的新的无监督生成聚类方法。具体来说，VaDE用高斯混合模型(GM
掉了西红柿皮_Kee·2021-12-12 08:25

从VAE到Diffusion Model

前言：前面几篇文章更多的在思考GAN和diffusionmodel之间的关系，VAE作为最经典的生成模型之一，本文从VAE出发，聊一聊VAE和diffusionmodel之间的爱恨情仇。
沉迷单车的追风少年·2021-11-27 23:54

击败GANs的新生成式模型：score-based model(diffusion model)原理、网络结构、应用、代码、实验、展望

特别是一些论文直接喊出了beatGANs(打败GANs)的口号，全新的生成方式和部分领域领先GANs、VAE的生成效果，让越来越多的人感兴趣并投身于研究中。会不会是下一个GANs？
沉迷单车的追风少年·2021-10-20 21:53

VGAE 2020-04-02

Variationalgraphauto-encodershttps://zhuanlan.zhihu.com/p/78340397VAE：如果将解码器看做一个生成模型，我们只要有低维向量表示，就可以用这个生成模型得到近似真实的样本
五道口的程序狐·2021-06-27 12:41

理解变分自编码器VAE

VAE的理解转述记录参考文章https://arxiv.org/pdf/1312.6114.pdfhttps://dfdazac.github.io/01-vae.htmlhttps://spaces.ac.cn
水球喵·2021-06-24 02:25

生成式模型入门： GAN 与 VAE——“以假乱真”的哲学

在图像处理中，比较常见的任务有识别、检测、追踪等，这些任务的模型通常在训练阶段通过参数估计学得如何提取输入图像的特征，并建立输入图像与输出之间的映射，在应用阶段之间提取输入图像的特征，以得到相应的结果。但有这样一类特殊的模型，其参数估计的目的不是通过提取特征来建立输入输出之间的映射，而是学习训练数据的分布，从而模型在应用阶段能够生成与训练数据相似的图像，通常这些图像与真实图像极为相似，我愿称之为“
·2021-06-18 22:58

直观理解 VAE（译文）

文章既包括对VAE（VariationalAutoencoders，变分自编码器）的直观理解，也有详细的数学推导。很佩服作者用这种平实亲和的语言写科技博客的能力。
isl_qdu·2021-06-11 13:04

VAE

许嵩的歌，是鸿锦姐姐喜欢的。虽然她不在了。我依然想念她。我永远都喜欢18岁的女生。不过，挺好的呀。今天最后一次想念鸿锦姐姐了。嗯。浅唱那回忆。
欢快2018丘比特·2021-06-04 18:24

深度学习部分实验(粗略)

这次就先勉强看看吧在生成领域，自编码器是GAN的前身，今天用VAE在MNIST做了生成实验，图1是10个class到latentspace的投影，从投影就可以看出，同一类会尽量分在一起，说明latentspace
Neil-Yale·2021-05-27 20:12

生成模型应用——使用变分自编码器（VAE）控制人脸属性生成人脸图片

生成模型应用——使用变分自编码器（VAE）控制人脸属性生成人脸图片使用VAE生成人脸图片网络架构人脸重建生成新面孔采样技巧控制人脸属性潜在空间属性控制查找属性向量人脸属性编辑完整代码使用VAE生成人脸图片变分自编码器
盼小辉丶·2021-05-23 22:40

【自然语言处理系列】自编码器AE、变分自编码器VAE和条件变分自编码器CVAE

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱本文主要分享自编码器、变分自编码器和条件变分自编码器的相关知识以及在实际实践中的应用技巧，原创不易转载请注明出处，原稿获取请关注公众号【AI机器学习与知识图谱】回复：自编码器，下面首先简单认识一下：自编码器、变分自编码器和条件变分自编码器之间的关系。1．自编码器：自编码器结构：Encoder将输入数据进行压缩，Deco
CHEONG_KG·2021-05-22 14:48

谈谈Adversarial Autoencoders

paper链接，点我1.概述：GAN和VAE是近年来很火的生成模型（关于GAN，我之前写过几篇了，需要的话点击文末的相关链接即可），对于这两个模型的研究层出不穷，变体无数，而将这两者结合也是一种优秀的思路
加勒比海鲜王·2021-05-16 21:14

你若化成风

还记得那时喜欢叫许嵩为Vae，断桥残雪、素颜、灰色头像……干点什么呢？不想睡觉不想睡觉！来一局王者吧？好啊！思来想去，算了，还是不玩了，还是听听歌吧，又又说了，一个人的时候要学会和自己好好相处。
L勤劳·2021-05-14 13:19

《异常检测——从经典算法到深度学习》12 对于复杂 KPI 基于VAE对抗训练的非监督异常检测

》0概论1基于隔离森林的异常检测算法2基于LOF的异常检测算法3基于One-ClassSVM的异常检测算法4基于高斯概率密度异常检测算法5Opprentice——异常检测经典算法最终篇6基于重构概率的VAE
smile-yan·2021-05-04 22:23

10年狂赚4.75亿美元的科比退役了，接下来他该何去何从？

我的青春是VAE，他们的青春是科比，都同样珍贵。特别是，当看到微博上成千上万的人一起怀念，就连我这种从来不喜欢科比的人都感动地快要哭了。是要
会交所·2021-05-04 20:25

古风歌词系列之一《红楼飞雪》

红楼飞雪（改自《千百度》）原作：Vae改编：Skyfish15红楼青山一夜间愁千年，飞雪翩翩似天仙舞殿前。玉珠落盘雪落满冻羽冰弦，一衣凭栏抚叹红颜好难。香阁娇烟红帘掀冰花绽，青亭玉板烛心燃卧雪眠。
天空鱼·2021-05-03 16:36

浅析生成对抗网络（Generative Adversarial Networks）

目录导语聚焦GANs训练GANs：双人游戏GANs的卷积神经网络架构一些有趣的例子生成模型的分类总结导语除却变分自编码器VAE（VariationalAuto-Encoder）,生成对抗网络GAN(GenerativeAdversarialNetworks
越来越胖的GuanRunwei·2021-05-02 17:56

详解变分自编码器VAE(Variational Auto-Encoder)

前言过去虽然没有细看，但印象里一直觉得变分自编码器（VariationalAuto-Encoder，VAE）是个好东西。趁着最近看概率图模型的三分钟热度，我决定也争取把VAE搞懂。
越来越胖的GuanRunwei·2021-05-01 19:51

AE、VAE、Beta-VAE学习记录

在现实的世界中，我们无时无刻不接受着大量的数据，这些数据可能是文本或者是声音等等。但是数据本身真正蕴含的信息可能仅仅用个低维向量表示就够用了，而不是像数据本身看起来那样复杂。机器学习中就有很多将数据压缩到低维空间中的技术。其中有一个最近论文中比较火的，那就是变分自编码。在开启变分自编码的探索之前，先介绍一些常见的自编码机。这需要一些神经网络的基础知识，比如说反向传播等等的。自编码机实际要做的事情是
易晴天·2021-04-30 19:20

【ML】EM 和 VAE

Tags:MachineLearning[TOC]EMEM就是ExpectationMaximization，虽然读起来是一个词组，但是实际上是分为Expecation和Maximization两个步骤。EM算法是常用的参数隐藏变量(latentvariable)估计的算法。假设表示已观测变量集，表示隐藏变量集，为模型参数。基本思想为：若参数已知，则可根据训练数据推断出最优隐藏变量的值(E)；反之
ItchyHiker·2021-04-29 22:03

许嵩新歌-蝴蝶的时间

图片发自App图片发自App大家好，我是Vae，这是我为即将播出的电视剧梁祝创作的一首片尾曲目，作词作曲都是我自己，希望这首歌曲能在这个寒冷的冬天带给大家一种温暖的感觉。
刚睡醒的老鼠·2021-04-29 05:45

这个世界需要你

我一尔小心走进了你的回忆，喜欢戴上耳机静静听那首Vae,从此我的世界里再也不能没有你。一-题记。这世界需要你，因为你是一个音乐的天使。
乔青悠·2021-04-28 06:37

匆匆那年的你现在还好吗？

许嵩是我们从初中开始认识和接触的人，那时候，他的专辑《寻雾启示》《自定义》都大受追捧，这个网络歌手也鲜少露面，那几年，人们天天称呼着Vae.，网上也流传着关于他的一些悲伤的故事
邦妮的生活馆·2021-04-22 18:25

“我转行做前端的这一年多，月薪3K变成了15K”，前端的自白

我来深圳的这一年我特别喜欢vae，最佳歌手里有这么一句话：我们最好的遇见是这样的四月。19年四月，我在南下的火车上来到了深圳市。20年四月，我被公司裁员。也许这就是命吧。
hugo233·2021-04-21 17:23

古风—Vae

Vae庐州遗韵不曾远，许氏风格未境迁。刻骨三分铭心恋，黯然七魄销魂间。循环单曲度风月，往复千殇饮圣贤。终了云音泛九天，此生惟爱至无眠。羽轩《诗魂生死录》
MonkeyDAllen·2021-04-21 03:17

Tensorflow(7):RNN,LSTM,GRU,Auto-Encoder,VAE

1、时间序列表示方法sequenceembedding[b,seq_len,feature_len]b:句子数量seq_len:单词数量feature_len单词特征[b,28,28]从sequence角度理解，把每一个图片当作28个时间序列的输入，每个输入有28个特征。共有b个图片。每个单词对应的三个波形，每个波形在每个时刻对应一个wordvector，每个时刻代表当前输入的word。howto
weixin_51182518·2021-01-30 00:31
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他