BIVA: هرمية عميقة جداً من المتغيرات الكامنة لنموذج التوليد

مع تقديم مولد الترميز التبايني (VAE)، حظيت نماذج المتغيرات الكامنة الاحتمالية باهتمام متجدد كنماذج توليدية قوية. ومع ذلك، فقد تم تجاوز أدائها من حيث احتمالية الاختبار وجودة العينات المولدة بواسطة النماذج الذاتية التكرارية التي لا تحتوي على وحدات عشوائية. بالإضافة إلى ذلك، أظهرت النماذج القائمة على الجريان أنها بديل جذاب يتناسب بشكل جيد مع البيانات ذات الأبعاد العالية. في هذا البحث، نغلق الفجوة في الأداء من خلال بناء نماذج VAE يمكنها استخدام هرمية عميقة من المتغيرات العشوائية بطريقة فعالة ونمذجة بنية التغاير المعقدة. نقدم مولد الترميز التبايني ذو الاستدلال الثنائي (BIVA)، الذي يتميز بنموذج توليدي متصل بالقفزات وشبكة استدلال تتكون من مسار استدلال عشوائي ثنائي الاتجاه. نوضح أن BIVA يصل إلى أفضل النتائج المسجلة للاحتمالات الاختبارية، ويولد صورًا طبيعية واضحة ومتسقة، ويستخدم هرمية المتغيرات الكامنة لالتقاط جوانب مختلفة لتوزيع البيانات. نلاحظ أن BIVA، على عكس النتائج الحديثة، يمكن استخدامه للكشف عن الشواذ. نعزى هذا إلى هرمية المتغيرات الكامنة التي تستطيع استخراج الخصائص الدلالية عالية المستوى. أخيرًا، نوسع نطاق BIVA ليشمل مهام تصنيف شبه مراقبة ونوضح أنه يؤدي بشكل مشابه لأفضل النتائج المسجلة بواسطة شبكات التنافس التوليدي (GAN).