变分自编码器模型综述

摘要：

变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面.变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构生成输入数据.梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状,并就此做了总结和对比,最后分析了变分自编码器模型存在的问题与挑战,并就可能的发展趋势做了展望.

关键词：深度隐空间生成模型、无监督学习、变分自编码器、图像生成

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61502262

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9