BriefGPT - AI 论文速递
·
多源轨迹建模与分离的动态变分自编码器混合
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为混合动态变分自编码器（MixDVAE）的潜在变量生成模型，用于建模多个移动源组成的系统的动态。通过在单源数据集上预训练DVAE模型来捕捉源的动态，然后将多个预训练DVAE模型的实例集成到一个多源混合模型中，带有离散观测-源分配潜变量。实验结果表明，该方法在计算机视觉任务和音频处理任务上表现良好，并超过了几种基准方法。
🎯
关键要点
-
提出了一种名为混合动态变分自编码器（MixDVAE）的潜在变量生成模型。
-
该模型用于建模由多个移动源组成的系统的动态。
-
通过在单源数据集上预训练DVAE模型来捕捉源的动态。
-
将多个预训练DVAE模型的实例集成到一个多源混合模型中，带有离散观测-源分配潜变量。
-
使用变分期望最大化算法估计离散的观测-源分配变量和连续DVAE变量的后验分布。
-
展示了MixDVAE模型在多目标跟踪和单声道音频源分离任务上的多功能性。
-
实验结果表明，该方法在这两个任务上表现良好，并超过了几种基准方法。
➡️
