本文介绍了一种层次非参数变分自编码器模型，结合贝叶斯非参数先验和变分自编码器，以提升视频表征学习效果。研究探讨了动态变分自编码器(DVAEs)在处理序列数据中的应用，分析了后验折叠问题及其对学习的影响，并提出了一种新方法以自动确定最佳潜空间大小，从而显著提高训练效率和性能。

本文介绍了一种对变分自动编码器 (VAEs) 进行简单扩展的方法，通过逐渐减小潜空间大小来自动确定训练过程中的最佳潜空间大小。与传统的超参数网格搜索相比，该方法速度更快且在四个图像数据集上实现了最佳的维度。此外，研究证明了该方法的最终性能与从头开始训练的最佳潜空间大小相当，因此可能作为一种便利的替代方法。