本文深入探讨了Deepmind的VQ-VAE-2模型，该模型在生成效果上超越了BigGAN。文章介绍了模型的压缩与量化创新，以及引入的层级框架，旨在解决自回归生成模型的效率和连续潜在变量的问题。通过离散化潜在变量和分层编码，VQ-VAE-2能有效生成高质量图像，并提供了一种新的图像生成思路。
根据科技媒体的报道，最近deepmind的新模型VQ-VAE-2的生成效果甚至超过了BigGAN，作为生成模型的初学者，我知道GAN，知道AE和VAE，但是却对这篇文章的VQ没有了解。“这会是一种新的生成模型吗”—这个问题使我想一探究竟。
效果图
容我先放几张模型生成的图片来吸引读者的阅读兴趣。你相信这些人脸只是模型臆想出来的吗，这么优美的图像细节到底是如何产生的呢
模型架构
让我们先从一个高层的角度审视一下整个模型，我喜欢这种思维方式—从大到小的思维方式，我想这可能也比较符合中国人的思维方式。当然，这个模型里面的很多东西你可能并不懂，但是这并不影响我们建立对它的整体认知。
该篇文章的整体架构来自于第一代VQ-VAE，其架构图如下：
最低0.47元/天 解锁文章
1443
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
