ترجمه فارسی مقاله بتا سیگما VAE: جداسازی واریانس بتا و رمزگشا در رمزگذار خودکار متغیر گاوسی

چکیده

Variational autoencoder (VAE) is an established generative model but is notorious for its blurriness. In this work, we investigate the blurry output problem of VAE and resolve it, exploiting the variance of Gaussian decoder and $β$ of beta-VAE. Specifically, we reveal that the indistinguishability of decoder variance and $β$ hinders appropriate analysis of the model by random likelihood value, and limits performance improvement by omitting the gain from $β$. To address the problem, we propose Beta-Sigma VAE (BS-VAE) that explicitly separates $β$ and decoder variance $σ^2_x$ in the model. Our method demonstrates not only superior performance in natural image synthesis but also controllable parameters and predictable analysis compared to conventional VAE. In our experimental evaluation, we employ the analysis of rate-distortion curve and proxy metrics on computer vision datasets. The code is available on https://github.com/overnap/BS-VAE

چکیده به فارسی (ترجمه ماشینی)

AutoEncoder متغیر (VAE) یک مدل تولیدی مستقر است اما به دلیل تار شدن آن بدنام است.در این کار ، ما مشکل خروجی مبهم VAE را بررسی می کنیم و آن را برطرف می کنیم و از واریانس رمزگذار گاوسی و β $ beta-vae استفاده می کنیم.به طور خاص ، ما نشان می دهیم که قابلیت تشخیصی واریانس رمزگشایی و $ β $ مانع تجزیه و تحلیل مناسب مدل با ارزش تصادفی تصادفی می شود و با حذف سود از $ β $ ، بهبود عملکرد را محدود می کند.برای پرداختن به مشکل ، ما Beta-Sigma VAE (BS-VAE) را پیشنهاد می کنیم که صریحاً $ β $ و واریانس رمزگشایی $ σ^2_x $ را در مدل جدا می کند.روش ما نه تنها عملکرد برتر در سنتز تصویر طبیعی بلکه پارامترهای قابل کنترل و تجزیه و تحلیل قابل پیش بینی را در مقایسه با VAE معمولی نشان می دهد.در ارزیابی تجربی ما ، ما از تجزیه و تحلیل منحنی-تقطیر نرخ و معیارهای پروکسی در مجموعه داده های دید رایانه استفاده می کنیم.کد در https://github.com/overnap/bs-vae در دسترس است