生成モデル

自己回帰とフローに基づく手法を組み合わせた生成モデルで、柔軟なデータ分布学習を可能にします。

Beta-VAEは、ハイパーパラメータbetaを調整して学習された表現の解離を目指す変分オートエンコーダの一種です。

Conditional Variational Autoencoder (CVAE)は、特定の入力ラベルに条件付けてデータを生成するニューラルネットワークの一種です。

CycleGANは、ペアの例なしで画像間の変換を可能にするニューラルネットワークの一種です。

Deep Generative Modelsは、既存のデータに似た新しいデータサンプルを生成することを学習するAIシステムです。

FIDスコアは、生成された画像の品質を実画像と比較して測定します。

フローに基づく生成モデルは、可逆変換を用いて単純な分布から高次元データを生成します。

GAN崩壊は、生成敵対ネットワーク（GAN）が多様な出力を生成できず、しばしば類似した結果を生み出す現象を指します。

GAN Inversionは、実際の画像を生成敵対的ネットワークの潜在空間に逆変換するプロセスを指します。

GANスペースは、生成敵対的ネットワークの潜在空間を指し、異なる点がユニークな生成出力に対応します。

生成フローネットワークは、連続変換を通じて複雑な分布を学習しデータを生成するAIモデルです。

GIFA Lossは、生成モデルが現実的なサンプルを生成する能力に基づいて評価するための指標です。

Glowモデルは、AIや深層学習において複雑なデータ分布を生成するための生成モデルです。

グッドフェローGANは、敵対的訓練を通じて現実的なデータを生成するタイプの生成的敵対ネットワーク（GAN）です。

勾配ペナルティは、モデルの安定性と性能を向上させるために機械学習で使用される正則化項です。

ヘルムホルツマシンは、データの分布を表現することを学習する生成モデルの一種です。

マスク付き自己回帰フローは、自己回帰モデルを用いて複雑なデータ分布を生成するニューラルネットワークの手法です。

モード崩壊は、生成モデルが出力の多様性を限定し、少数のパターンに集中する現象です。

PixelCNNは、畳み込みニューラルネットワークを使用してピクセルごとに画像を生成する深層学習モデルです。

RealNVPは、生成タスクに使用される深層学習モデルの一種で、効率的なデータサンプリングと密度推定を可能にします。

スコアベースの生成モデルは、確率分布のスコア関数を学習することによって新しいデータを生成します。

Stable Diffusionは、テキストプロンプトから画像を生成するための深層学習モデルです。

変分自己符号化器（VAE）は、トレーニングデータセットに似た新しいデータを生成するタイプのニューラルネットワークです。