|
- 为什么vae效果不好，但vae+diffusion效果就好了？ - 知乎
指出，已经更正为“VAE”。SD原文3 1节中同时提供了VAE和VQ-VAE两种方案，VAE效果更好所以被大家一直沿用）之所以效果这么好，主要还是因为diffusion model强大。强大到用diffusion model去拟合的隐空间分布，能够逼近VAE或者VQ-VAE用encoder编码RGB图片得到的latent feature分布。
- VAE（变分自动编码器）优势在哪里？ - 知乎
虽然vae比普通的ae模型训练出来的效果要好很多，但是训练过vae模型的人都知道，它生成出来的图片相对gans那种直接利用对抗学习的方式会比较模糊，这是由于它是通过直接计算生成图片和原始图片之间的均方误差，所以得到的是一张“平均图像”。
- VAE、GAN 这种生成模型和 transformer 有什么区别？ - 知乎
前面说到VAE的思路是提高 p(z) 采样效率，参数化后验分布 q_\theta(z|x) ，引入数据依赖直接得到均值 \mu 和方差 \Sigma ，使得 q_\theta(z|x)=\mathcal{N}(\mu, \Sigma) 而原始GAN的思路是保留 p(z) 是固定的标准多元高斯分布，额外引入新网络 D(x', x) 对生成的 x' 和真实的 x 做分类
- AE，VAE，VQVAE DVAE为什么是离散-连续-离散？ - 知乎
VAE的目标是学习一个潜在空间的连续分布，使得该分布能够生成真实数据，并且能够通过随机采样生成新的数据样本。 3 Vector Quantized Variational Autoencoder (VQVAE) Discrete VAE (DVAE)： - VQVAE是对传统VAE的改进，它引入了离散的潜在表示。
- GAN 和 VAE 的本质区别是什么？为什么两者总是同时被提起？
比如VAE生成的图像不够真实，GAN的训练中又会碰到例如mode collapse问题等等。最近几年有很多VAE和GAN的成果出来，也试图在解决这些问题。 另外，生成模型领域除了VAE和GAN这两个大派系，还有NICE、RealNVP、GLOW等第三种生成模型的范式：流模型 (Flow-based models)。
- 许嵩vae这艺名是什么由来啊？ - 知乎
Vae不止是在Diss曲目上有所建树，其它主题的rap歌曲也是获得了认可的。2007年2月17日，Vae发布了《朝舞》，这首歌邀请到了乱感觉的队友大V李毅杰合作，而另一位合作嘉宾则是天王星的呆宝静。能和呆宝静合作，也说明了Vae的rap水平必然是在平均水准之上的。
- Whats a VAE? : r StableDiffusion - Reddit
A VAE is a variational autoencoder An autoencoder is a model (or part of a model) that is trained to produce its input as output By giving the model less information to represent the data than the input contains, it's forced to learn about the input distribution
- 对于VQ-VAE，codebook的更新策略有哪些？ - 知乎
梯度更新 在原始VQ-VAE中，codebook的向量通过反向传播梯度直接更新。通过最小化编码器输出的连续向量(z_e)与码本中最近邻嵌入向量(z_q)之间的差异，强制编码器生成与码本对齐的特征。
|
|
|