2024

Note: VAE并不是一个只关注重建的模型，它更重要的能力是图像生成，所以VAE并不是一个AE模型，它具备生成能力。 与常见的Autoencoder不同，变分自编码器并不是将输入映射为一个固定的向量，而是映射为一个分布$p_\theta$（参数为$\theta$）。输入数据$\mathbf{x}$与隐变量$\mathbf{z}$的关系如下： ...

VQGAN是一个可以在多种图像生成任务上（如无条件图像生成、图像补全、条件引导图像生成等）均有着良好性能的生成模型，其中最大的亮点在于超像素级别的图像生成（百万级像素）。 ...

正常来说图像的像素值是离散的（在0到255之间），所以我们其实可以把图像看成是一个长为$H\times W\times C$的序列，在预测当前像素值时，把之前的像素值作为已知信息参与到预测中，这样递归地逐像素预测下去，即自回归模型（autoregressive model）： ...