摘要
在本文中，我们描述了一种名为“PixelGAN自编码器”的生成自编码器，其中生成路径是一个以潜在代码为条件的像素卷积自回归神经网络（PixelCNN），而识别路径则使用生成对抗网络（GAN）来对潜在代码施加先验分布。我们展示了不同的先验分布会导致潜在代码与自回归解码器之间信息的不同分解。例如，通过施加高斯分布作为先验，可以实现全局与局部的信息分解；而通过施加分类分布作为先验，则可以在无监督的情况下分离图像的风格和内容信息。此外，我们还展示了如何在半监督设置中直接使用具有分类先验的PixelGAN自编码器，并在MNIST、SVHN和NORB数据集上取得了有竞争力的半监督分类结果。