超级会员免费看
VQVAE-2是一种多尺度的变分自编码器模型，通过分层编码和解码提高图像一致性和保真度。它结合PixelCNN的强大先验，在离散隐空间中增加多样性和质量，避免了GAN的模式崩溃问题。通过两层VQ-VAE捕获全局和局部特征，并利用条件生成控制图像内容和风格。源码可用。
欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/136006572
VQ-VAE-2: Generating Diverse High-Fidelity Images with VQ-VAE-2，NIPS 2019
- 使用 VQ-VAE-2 生成多样化的高保真度图像
源码(PyTorch)：https://github.com/rosinality/vq-vae-2-pytorch/blob/master/vqvae.py
VQ-VAE-2，即向量量化变分自编码器（VQ-VAE) 的第2版。VQ-VAE 利用离散的隐变量，来近似连续的潜在分布，有效地压缩图像信息，结合自回归的先验来重建或生成图像。这
订阅专栏 解锁全文
扫一扫
2421
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
