问如何从生成模型中获得新图像和潜在变量的联合概率？
EN

Stack Overflow用户

提问于 2019-09-16 22:30:17

回答 1查看 46关注 0票数 0

我刚刚了解到生成式模型试图学习p(x|z)p(z) = p(x,z)。

但是，在我研究了一些生成模型的示例代码后，我发现模型的输出是生成的图像x，这是一个2D矩阵。

在我的认识中，矩阵的内容意味着每个像素和潜在变量的概率，对吗？

如果它是正确的，是否有可能从生成模型中获得潜在变量z和整个图像x之间的联合概率p(x,z)？

谢谢!

发布于 2019-09-16 23:00:29

生成模型试图学习的只是p(x)。如果g(z) =x，则p(x|z) =1，否则为0，因为GAN和VAE是确定性映射，因此在给定相同输入的情况下，有100%的机会映射到相同的目标。

不过，提取x的概率并不是一件容易的事情，这取决于方法。使用GANs，您可以通过从模型中采样来近似这一点。例如，您对1000张图像进行采样，并查看图像出现的频率。则该图像的发生概率为/ 1000。根据大数定律，您最终将以这种方式恢复生成器的实际概率分布。

如果你想要一种精确的方法来计算概率，你可以使用GLOW或RealNVP这样的流网络，它们直接针对log( p(x) )进行优化，并且有一种恢复p(X)的方法。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/57959013

复制

相似问题

问如何从生成模型中获得新图像和潜在变量的联合概率？EN