细水长flow之f-VAEs：Glow与VAEs的联姻

作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP，神经网络个人主页丨kexue.fm前言：这篇文章是我们前几天挂到 arXiv 上的论文的中文版。在这篇论文中，我们给出了结合流模型（如前面介绍的 Glow）和变分自编码器的一种思路，称之为 f-VAEs。理论可以证明 f-VAEs 是囊括流模型和变分自编码器的更一般的框架，而实验表明相比于原始的 Glow 模型，f-VAEs 收敛更快，并且能在更小的网络规模下达到同样的生成效果。■ 论文 | f-VAEs: Improve VAEs with Conditional Flows■ 链接 | https://www.paperweekly.site/papers/2313■ 作者 | Jianlin Su / Guang Wu近来，生成模型得到了广泛关注，其中变分自编码器（VAEs）和流模型是不同于生成对抗网络（GANs）的两种生成模型，它们亦得到了广泛研究 ………………………………