Epanechnikov 变分自编码器
原文中文，约300字，阅读约需1分钟。发表于：。本文通过将核密度估计应用于变分自动编码器 (VAEs)，近似后验概率分布，推导出极大似然下界 (ELBO) 中 KL 散度的上界，展示了 Epanechnikov 核在最小化 KL 散度上界方面的优势。在 MNIST、Fashion-MNIST、CIFAR-10 和 CelebA 等基准数据集上的实验证明了 Epanechnikov 变分自动编码器 (EVAE) 在重建图像质量方面的卓越性能。
该论文研究了变分自编码器（VAEs）中的关键组成部分KL散度，用于平衡重构准确性和正则化之间的权衡。通过重新定义ELBO并引入正则化项，防止方差崩溃，并使用PatchGAN鉴别器增强纹理真实性。实验证明该方法能够生成逼真的人脸，为增强基于VAE的生成模型提供了有希望的解决方案。
