EVA：从训练数据经验学习自回归隐先验的变分自编码器生成框架

研究者提出 Empirical Variational Autoencoder（EVA），一种面向连续值（非向量量化）序列的通用生成框架。EVA 基于 VAE 的证据下界，仅需在 VAE 之上增加一个线性层，即可从训练数据中经验地学习自回归隐先验，替代传统标准高斯约束，缓解先验与后验之间的隐分布差距。在图像与声音合成实验中，EVA 生成质量与自回归扩散基线相当，但推理速度显著更快。