- VAE에서 latent variable을 여러 층으로 만들어서 일반화 시킨 것.
- latent variables 자체가 더 추상적인 다른 higher level latent variables 에서 파생되어 나왔다는 것 (3차원의 그림자로 2차원의 상이 생기는 것과 같이)
- HVAE중 하나인 Markovian HVAE (바로 전 단계에만 영향 받고, 영향을 줌). 걍 VAE를 여러번 쌓은거
- $p(x,z_{1:T})=p(z_T)p_\theta(x|z_1)\prod_{t=2}^{T}p_\theta(z_{t-1}|z_t)$
- $q_\phi(z_{1:T}|x)=q_\phi(z_1|x)\prod_{t=2}^{T}q_\phi(z_t|z_{t-1})$
- 이 Objective는 나중에 Variational Diffusion Models 에서 더 해석가능하게 분해할거임
'딥러닝' 카테고리의 다른 글
| Learning Diffusion Noise Parameters (0) | 2023.11.24 |
|---|---|
| Variational Diffusion Models (2) | 2023.11.24 |
| VAE (0) | 2023.11.24 |
| ELBO (1) | 2023.11.24 |
| Generative Models (0) | 2023.11.24 |
