ODE$^2$VAE: 베이지안 신경망을 이용한 깊은 생성 제2차 미분방정식

우리는 고차원 시퀀스 데이터를 위한 잠재 이계 상미분방정식 모델인 Ordinary Differential Equation Variational Auto-Encoder (ODE$^2$VAE)를 제시합니다. 딥 제너레이티브 모델의 발전을 활용하여 ODE$^2$VAE는 고차원 궤적의 임베딩을 학습하고 임의로 복잡한 연속 시간 잠재 역학을 추론할 수 있습니다. 우리의 모델은 잠재 공간을 운동량과 위치 성분으로 명시적으로 분해하고 이계 상미분방정식 시스템을 해결하며, 이는 순환 신경망(RNN) 기반 시계열 모델과 최근 제안된 블랙박스 상미분방정식 기술과 대조됩니다. 불확실성을 고려하기 위해 우리는 딥 베이지안 신경망에 의해 매개변수화된 확률적 잠재 상미분방정식 역학을 제안합니다. 우리는 동작 캡처, 이미지 회전 및 튕기는 공 데이터셋에서 우리의 접근 방식을 시연합니다. 장기적인 운동 예측 및 보간 작업에서 최고 수준의 성능을 달성하였습니다.