深入浅出理解变分自编码器VAE的详解教程(第二部分)
最编程
2024-07-24 10:18:59
...
最后,人们在实际中使用发现,VAE会生成一些模糊的图像,这些模糊性可能是一部分因为我们使用的度量是KL-散度造成的。回想在KL-散度中的分析,要想使得降的很低,则需要:
1)在高概率的地方,要求;
2)然而在很低的地方,并没有对作约束,因而可以很高。
由此,我们在测试的时候可能会采样出来那些使得具有很高概率的隐向量,但是由于这些隐向量在编码器下的概率很低,因此在训练阶段,并没有很好地拟合过这些隐向量,因而模型可能只是以任意的方式在做插值,从而出现模糊现象。