东京大学提出EVA框架：一个线性层让VAE重返序列生成一线

东京大学Kaede Shiohara提出Empirical Variational Autoencoder(EVA)，一个面向连续值序列(非向量量化)的通用生成框架。EVA基于VAE的证据下界(ELBO)，通过在因果解码器骨干上增加一个预测下一个先验的线性层，实现自回归先验逼近，生成质量可媲美扩散模型。这一简单设计显著提升了VAE在序列生成任务中的表现，使其重回一线。

2026-10-06 ~ 2026-10-07 · 2 条相关