高斯VAE中引入输入跳过可降低重建误差

2026年10月28日，arXiv发布一项关于高斯变分自编码器（VAE）的研究。该研究发现，在模型中引入“输入跳过”机制，可以在不改变新样本分布的前提下有效降低重建误差。具体而言，通过调整解码器输出与噪声方差，重建的均方误差能按比例缩小。然而，这一改进并非没有代价，它可能导致能量分数和负对数密度估计恶化。在DART数据集上的测试表明，概率主成分分析（PPCA）的能量分数表现优于所有神经拟合结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。