EVA变分自编码器论文发布

2026年10月5日，Hugging Face Daily Papers报道了研究者提出的 Empirical Variational Autoencoder（EVA），一种面向连续值序列的通用生成框架。该框架在 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，其生成质量媲美自回归扩散基线，且推理速度显著更快。目前报道仅涉及论文发布及方法、实验介绍，未提及后续进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。