EVA：经验学习自回归隐先验的变分自编码器

研究者提出 Empirical Variational Autoencoder（EVA），一个面向连续值（非向量量化）序列的通用生成框架。EVA 基于 VAE 的证据下界，只需在 VAE 之上增加一个线性层，就能从训练数据中经验地学习自回归隐先验，取代传统标准高斯约束，以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 的生成质量与自回归扩散基线相当，但推理速度显著更快。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。