近日，DeepMind 的研究人员宣布，VQVAE-2 问世了！

VQ-VAE 是 Vector Quantised-Variational Auto Encoder 的简写，此次的 VQ-VAE2 是 DeepMind 基于第一代 VQ-VAE 研究出来的改进模型。相关的论文已被 ICLR2019 接收为口头报告论文，DeepMind 研究员 Suman Ravuri 做了精彩的现场演讲。

论文 ARIXV 链接：http://arxiv.org/abs/1906.00446

论文摘要如下：

我们探讨了矢量量化变分自动编码（VQ-VAE）模型在大规模图像生成中的应用。为此，我们对VQ-VAE 中使用的自回归先验进行了缩放和增强，目的是生成比以前具有更高相关度和保真度的合成样本。我们使用简单的前馈编解码器网络，这让我们的模型对于编码\解码速度至关重要的应用非常有用。此外，VQ-VAE 仅仅只需要在压缩潜在空间中对自回归模型进行采样，这比在像素空间中的采样在速度上快一个数量级，对于大型图像尤其如此。我们证明了一个 VQ-VAE 的多尺度层次组织，加上强大的先验潜在代码，能够在多种数据集（如 ImageNet）上生成质量与最先进的生成对抗网络相媲美的样本，同时不受 GAN 的已知缺点，如模式崩溃、多样性的缺乏等的影响。

DeepMindAI 的这一研究表明，当用于训练分类器（数据增强）时，GAN 生成在看起来真实的样本的能力有限。初始分数与分类表现呈负相关。

论文的三位作者之一，DeepMind 的研究人员 Aaron van den Oord 在 twitter 上表示，这是一个在分层压缩潜在空间中的强大自回归模型，在创建示例时，任何模式中都没有遇到崩溃问题。

更多示例和细节如下：

他们使用一个分层的 VQVAE，将图像压缩成一个潜在空间，相对于 ImageNet 来说，这个空间要小 50 倍，相对于 FFHQ 面来说，这个空间要小 200 倍。PixelCNN 仅对最新的产品进行建模，使其能够将其能力用于全局结构和最明显的特征上。
他们 256 像素的两级 ImageNet VQVAE 中的样本如下：

结果，他们发现，这些样本在多样性方面比竞争对手的方法生成的样本要好得多。



对于百万像素的人脸（1024x1024），他们使用了三级 VQVAE 模型。

更多的样本和高分辨率未压缩图像可以在这里找到：https://t.co/EGaUMHA7FN?amp=1



感兴趣的童鞋可以下载相关论文，开始愉快地学习吧~ 
  
via：https://mobile.twitter.com/avdnoord/status/1135900129402208257