EVA：基于经验自回归潜先验的变分自编码器生成框架

研究者提出 Empirical Variational Autoencoder（EVA），一种面向连续值序列的通用生成框架，在 VAE 的证据下界基础上从训练数据中经验性地学习自回归潜先验，仅需在 VAE 之上增加一个线性层即可实现。EVA 用自预测先验替代传统标准高斯约束，缓解了先验与后验之间的潜分布差距，在图像与声音合成实验中生成质量媲美自回归扩散基线，且推理速度显著更快。