vae

续何恺明的MAE后！MSRA提出掩码图像建模新框架：SimMIM

作者简化了最近提出的方法，而无需任何特殊设计，如利用离散VAE或聚类进行块级别的掩码和分词。为了让掩码图像建模任
Amusi（CVer）·2022-12-27 06:19

生成模型(四)：扩散模型（Diffusion Models）

本文大纲如下：生成模型种类到目前为止，我已经写了三种类型的生成模型，[[生成模型-GAN]]、[[生成模型-VAE]]和[[生成模型-Flowbasedmodel]]。
u013250861·2022-12-25 22:12

CausalVAE： Disentangled Representation Learning via Neural Structural Causal Models笔记

VAE：VariationalAutoEncoder，变分自编码器，根据输入的数据的分布，类型，来模拟生成类似于输入数据的数据生成模型。它是从观测数据中分离出独立的隐藏因子。
Lily_beta·2022-12-25 17:27

论文笔记：WWW 2018 Variational Autoencoders for Collaborative Filtering

前言论文链接：https://export.arxiv.org/pdf/1802.05814github：https://github.com/dawenl/vae_cf本文主要提出将变分自动编码器variationalautoencoders
饮冰l·2022-12-25 17:25

[翻译+笔记]变分自编码器：从AutoEncoder到Beta-VAE

与GAN的那篇笔记相同,做一下笔记.并不是全文翻译,只翻译一部分.原文地址:fromAutoEncodertoBeta-VAE0.前言自编码器是用来重构高维数据的，它利用一个有bottleneck层的神经网络
wjpwjpwjp0831·2022-12-25 17:23

VAE(变分自编码器) 详解

近期看论文要用到VAE，看了很多资料，有这样一种感觉，要么过度过于偏向数学原理，要么只是讲了讲网络结构。本文将两者结合，以简洁易懂的语言结合代码实现来介绍VAE。
书剑与酒·2022-12-24 17:20

变分编码器VAE原理

短短三年时间，变分编码器VAE（VariationalAuto-encoder）同GAN一样，成为无监督复杂概率分布学习的最流行的方法。
thequitesunshine007·2022-12-24 17:48

常见生成模型 -- VAE 可变分自动编码器

先简单介绍一下VAE，VAE作为一个生成模型，其基本思路是很容易理解的：把一堆真实样本通过编码器网络变换成一个理想的数据分布，然后这个数据分布再传递给一个解码器网络，得到一堆生成样本，生成样本与真实样本足够接近的话
纸上得来终觉浅～·2022-12-24 17:16

VAE：变分自编码器的原理介绍（一）

VAE(VariationalAutoencoder)的原理Kingma,DiederikP.,andMaxWelling."Auto-encodingvariationalbayes."
大笨熊。。。·2022-12-24 17:16

变分自编码器数学原理小结

一、生成模型首先变分自编码器(以下简称VAE)是什么？变分自编码器(VAE)实质上是一个基于神经网络的生成模型，用来对样本进行建模。那生成模型又是什么？生成模型可以理解为给定样本的概率分布。这
困宝宝是智障·2022-12-24 17:45

变分自编码器VAE的数学原理

变分自编码器(VAE)是一种应用广泛的无监督学习方法，它的应用包括图像生成、表示学习和降维等。虽然在网络架构上经常与Auto-Encoder联系在一起，但VAE的理论基础和数学公式是截然不同的。
deephub·2022-12-24 17:43

GAN史上最全基础入门总结

IntroductiontoGAN1.1MotivationGenerativemodels:explicitmodels:Likelihood-basedmodels(autoregressiveandflows/VAE
NewErLLLLLLLL·2022-12-24 11:37

变分自编码器VAE的数学原理

变分自编码器(VAE)是一种应用广泛的无监督学习方法，它的应用包括图像生成、表示学习和降维等。虽然在网络架构上经常与Auto-Encoder联系在一起，但VAE的理论基础和数学公式是截然不同的。
·2022-12-23 11:25

Unsupervised Brain Anomaly Detection and Segmentation with Transformers

VQ-VAE+Transformer真香！其中用到了Performer模型，表现SOTA！性能优于AE等网络。
Amusi（CVer）·2022-12-23 08:54

变分自编码器VAE ——公式推导(含实现代码)

目录一、什么是变分自编码器二、VAE的公式推导三、重参数化技巧一、什么是变分自编码器  在讲述VAE(variationalauto-encoder)之前，有必要先看一下AE(auto-encoder)
longwilll·2022-12-23 06:08

生成星辰大海——变分自编码器（VAE）实践

在本文中，我们将使用变分自编码器（VAE）这项深度学习技术，生成星系的图片，生成我们的“星辰大海”。
SpaceAutomation·2022-12-23 06:37

VAE - variational autoencoder

VAE-variationalautoencoder记录一下对VAE的初步理解，还有很多问题，后续有时间再深入了解。VAE是一种深度生成模型Q:什么叫变量的distribution（分布）？
Valkyrie42·2022-12-22 16:19

变分自动编码器Variational Auto-Encoding（VAE）基本原理和理解，附上python代码（包含中文注释）

VAE原理我们知道，对于生成模型而言，主流的理论模型可以分为隐马尔可夫模型HMM、朴素贝叶斯模型NB和高斯混合模型GMM，而VAE的理论基础就是高斯混合模型。什么是高斯混合模型呢？
爱吃鱼子酱·2022-12-22 16:12

论文阅读24 - VAE - Variational AutoEncoder (Auto-Encoding Variationl Bayes)

VAE一篇讲的很好的博客理论推导博客论文原文斯坦福课件上面的博客已经很好很深入了，下面记录一下我个人的直观理解。具体理论移步上面的博客。这里只是作为日后使用时的快速查阅。不具有理论推导的严谨性。
SpadeA_Iverxin·2022-12-22 16:04

深入理解Variational Auto-encoder

前言市面上有非常多VAE的讲解，我最近基本都看了一遍，感觉要不然需要太多的数理知识，要不然就是讲的太过浅显。现把自己的理解总结一遍，作为记录。
JackChrist·2022-12-22 16:33

Variational auto-encoder（VAE变分自动编码器）

在机器学习中，我们往往希望将复杂的、抽象的目标具体化，这是我们需要处理复杂、具体、维度高的数据。例如，图像、文字、音频等等。尽管这些形式看起来比较复杂，但往往复杂的数据背后都隐含着许多信息。我们可以根据这一特点，将原始数据化简，用比较低的维度去表达，从而达到我们想要的目的。在机器学习中有很多去压缩数据抽取核心特征的技巧，可以将复杂高维度的数据简化。Variationalauto-encoder是人
Charms Luo·2022-12-22 14:35

用Keras构建AutoEncoder

我们将回答一些关于自动编码器的常见问题，并将介绍以下模型的代码示例：一个基于全连接层的简单自动编码器一个稀疏自动编码器一个深度全连接的自动编码器一种图像去噪模型一个sequence-to-sequence的自动编码器一个变分自动编码器（VAE
LinusYxc·2022-12-22 14:55

Diffusion Model合集 part1

扩散模型原理介绍1一，条件概率公式与高斯分布的KL散度+重参数技巧二，VAE和多层VAE回顾单层VAE的原理公式与置信下界多层VAE的原理公式与置信下界三，DiffusionModel图示四，扩散过程(
为啥不能修改昵称啊·2022-12-22 12:15

[深度学习初识 - 实操笔记] GAN生成式对抗网络-动漫人脸生成

生成对抗神经网络1.流派:GAN、FLOW流、VAE、pixeLCM、pixeLRM2.GAN（无监督）（1）判别网络用神经网络充当loss。
什么都一般的咸鱼·2022-12-22 08:09

深度学习《再探AE和VAE的区别》

最近学习了VAEGAN，突然对VAE和AE的概念和理解上变得模糊了，于是赶紧搜索资料，重新理解一番。
星海千寻·2022-12-21 17:03

【生成模型】变分自编码器（VAE）及图变分自编码器（VGAE）

这段时间在学习机器学习中有关不确定性和概率分布的知识，发现了VAE这样一个有趣的方向，想抓紧时间整理一下VAE的主要思想和方法，然后思考如何迁移应用到自己的研究方向上。
Mr.zwX·2022-12-21 16:38

详解变分自编码器——VAE

文章目录详解变分自编码器——VAEVAE的目标模型结构原理推导重参数技巧本文将介绍另一生成模型——变分自编码器VAE。
小菜羊~·2022-12-21 16:38

VAE变分自动编码器

所以，VAE跟GAN一样，内部其实是包
weixin_40248634·2022-12-21 16:38

46.变分自编码器 VAE

变分自编码器(VariationalAuto-Encoders,VAE)VAE是生成数据用的，GAN(对抗神经网络)也是生成数据用的在上一节的自编码器也可以生成数据，但是它对中间encode的变量是由要求的
Suyuoa·2022-12-21 16:08

VAE变分自编码器的直观理解与数学推导

直观理解1.变分自编码器不同于自编码器的是：需要在latentspace中引入噪声，以增加latentspace中的连续性，便于生成。具体表现为在X空间观察到的每一个xi，都会对应隐空间Z的一个分布，即P(Z|X),需要从分布P(Z|X)中采样一个zi,再把zi送入decoder即可产生reconstructedxi，一一对应以便于计算reconstructedloss。（否则只知道先验P(Z)为
nutation1·2022-12-21 16:07

深度学习与神经网络（十四）—— VAE变分自编码器

VAEvae是无监督学习VariationalAutoencoder变分自编码器通常我们会拿VAE跟GAN比较，的确，它们两个的目标基本是一致的——希望构建一个从隐变量Z生成目标数据X的模型，但是实现上有所不同
hxxjxw·2022-12-21 16:07

VAE变分自编码器

自编码器变分自编码器自编码器是从数据中学习一组向量，但是向量的分布是未知的。变分自编码器是首先是编码器从数据中学习到一个高斯分布，分别对应上图中均值向量和方差向量。然后解码器在高斯分布随机采样一个向量（利用的重参数化）,生成原始图像。importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionfromtorch
南妮儿·2022-12-21 16:37

图像阴影修复

视觉网奇的博客-CSDN博客知乎图像修复：CVPR2021论文大盘点-图像修复篇-知乎GeneratingDiverseStructureforImageInpaintingWithHierarchicalVQ-VAE
AI视觉网奇·2022-12-21 14:42

爆肝整理全网最全最新AI生成算法【Stable Diffusion｜Diffusion Model｜DallE2｜CLIP｜VAE｜VQGAN】原理解析

1、生成模型首先回顾一下生成模型要解决的问题：如上图所示，给定两组数据z和x，其中z服从已知的简单先验分布π(z)（通常是高斯分布），x服从复杂的分布p(x)（即训练数据代表的分布），现在我们想要找到一个变换函数f，它能建立一种z到x的映射f:z–>x，使得每对于π(z)中的一个采样点z，都能在p(x)中有一个（新）样本点x与之对应。如果这个变换函数能找到的话，那么我们就实现了一个生成模型的构造。
丹心向阳love·2022-12-21 14:37

VQ+Kmean实现图片压缩

目前vq在深度学习上也有应用，比较典型的是近两年出现的vq-vae模型，其中vq模块实现了将连续的embedding映射到离散的codebook上，获得了更加鲁棒的特征，也有人对转换后的特征的可解释性做了实验
xianxianlele·2022-12-21 14:05

DDPM = 贝叶斯 + 去噪

请贝叶斯去噪过程预估修正RandomSample-方差选取References前面两篇文章给出了DDPM的两种推导，“DDPM=拆楼+建楼”更为直白易懂，但无法做更多的理论延伸和定量理解，“DDPM=自回归式VAE
连理o·2022-12-20 21:34

DDPM = 自回归式 VAE

Contents多步突破联合散度分而治之场景再现超参设置ReferencesDDPM本质上已经不是传统的扩散模型了，它更多的是一个变分自编码器VAE，实际上DDPM的原论文中也是将它按照VAE的思路进行推导的
连理o·2022-12-20 21:04

”AE-OT A NEW GENERATIVE MODEL BASED ON EXTENDED“阅读笔记

1论文概述该论文对GAN和VAE生成图像出现的模式崩塌和模糊问题进行了分析，认为GAN和
巍巍微澜·2022-12-18 21:38

Diffusion模型详解

目前为止，基于GAN生成模型，基于VAE的生成模型，以及基于flow的生成模型它们都可以生成较高质量的样本，但每种方法都有其局限性。
鬼道2022·2022-12-18 11:08

Bi-Modality Medical Image Synthesis Using Semi-Supervised Sequential Generative Adversarial Networks

这个应该是VAE(VariationalAutoencoder,变分自动编码器)和GAN的
liyiersan123·2022-12-17 22:39

Stable Diffusion 迁移和部署

文章目录1.模型概述2.模型架构3.模型迁移流程3.1前置准备3.2CLIPtextencoder3.3VQ-VAE(fp16)3.4Textconditionedunet3.5创建pipeline3.6webdemo
算能开发者社区·2022-12-16 16:07

CS231n 2022PPT笔记- 生成模型Generative Modeling

GANs)_iwill323的博客-CSDN博客目录概念密度估计什么是生成模型生成模型分类PixelRNN和PixelCNNPixelRNNPixelCNNVariationalAutoencoders(VAE
iwill323·2022-12-16 08:32

Neural Discrete Representation Learning-代码分析

VQ-VAE使用离散隐变量，受向量量化的启发用一种新的方式进行训练。后验和先验分布是明确分类的，从这些分布中提取的样本可通过嵌入表进行索引。然后将这些嵌入作为解码器网络的输入。网络结构如下:首先
imperfect00·2022-12-16 06:37

面向无监督任务：DeepMind提出神经离散表示学习生成模型VQ-VAE

DeepMind最近提出的VQ-VAE是一种简单而强大的生成模型，结合向量量化和变分自编码器学习离散表示，实现在图像识别、语音和对话等任务上的无监督学习。
机器之心V·2022-12-16 06:32

vqvae详细解释

模型综述#VQ-VAE（VectorQuantised-VariationalAutoEncoder）首先出现在论《NeuralDiscreteRepresentationLearning》VAE假设隐向量分布服从高斯分布
会写代码的孙悟空·2022-12-16 06:32

Neural Discrete Representation Learning (VQ-VAE) 简介

目录VQ-VAE参考VQ-VAEVAE是一种生成模型。VectorQuantisedVariationalAutoEncoder(VQ-VAE)是VAE的变种，其隐含变量是离散的。
冰冰冰泠泠泠·2022-12-16 06:59

深度学习：生成式模型学习笔记

一、生成模型基于深度学习的生成式建模的方法主要有AE、VAE、GAN这三大种，其中VAE是基于AE的基础上进行变形的生成模型，而GAN是近年来较为流行并有效的生成式方法。
YuriFan·2022-12-15 09:37

李宏毅机器学习_11-0深度生成模型（上下)

把图片拆成一个个像素，一个一个像素的生成VAE就是引入噪音的，autoencoding,还引入了均值和方差的限制通过引入噪音，让输出能分布在一定的范围参数之间互相决定，x>z和z>x缺点只能基于原来的，
愚昧之山绝望之谷开悟之坡·2022-12-15 09:05

NeurIPS 2022 | MoVQ: 基于Modulating Quantized Vectors的高保真图像生成

尽管现有模型的性能出色，VQ-VAE或
羊飘·2022-12-15 09:30

【(强推)李宏毅2021/2022春机器学习课程】Deep Generative Model（Part I and Part II）

文章目录PixelRNN推广到图像-创造宝可梦VAE（VariationalAutoencoder）WhyVAE？
I"ll carry you·2022-12-13 17:40
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他