Về phân tích định lượng các mô hình tạo ra dựa trên bộ giải mã

Tóm tắt

Vài năm trở lại đây đã chứng kiến ​​sự tiến bộ đáng kể trong các mô hình sinh sản tạo ra các mẫu hình ảnh và phương thức khác có sức thuyết phục. Một thành phần chung của nhiều mô hình sinh sản mạnh mẽ là mạng giải mã, một mạng nơ-ron sâu tham số xác định phân phối sinh sản. Các ví dụ bao gồm bộ mã hóa tự động biến thiên, mạng đối nghịch sinh sản và mạng khớp mô men sinh sản. Thật không may, có thể khó định lượng hiệu suất của các mô hình này do tính khó giải quyết của ước tính log-likelihood và việc kiểm tra các mẫu có thể gây hiểu lầm. Chúng tôi đề xuất sử dụng Annealed Importance Sampling để đánh giá log-likelihood cho các mô hình dựa trên bộ giải mã và xác thực độ chính xác của nó bằng cách sử dụng Monte Carlo hai chiều. Sử dụng kỹ thuật này, chúng tôi phân tích hiệu suất của các mô hình dựa trên bộ giải mã, tính hiệu quả của các bộ ước lượng log-likelihood hiện có, mức độ quá khớp và mức độ mà các mô hình này bỏ lỡ các chế độ phân phối dữ liệu quan trọng.

Xem thêm: mua tài khoản ChatGPT 4 với nhiều ưu đãi đặc biệt duy nhất trong ngày hôm nay!