latent space interpolation

1. 1

   En metode hvor man vælger to punkter i et latent rum og genererer en sekvens af punkter langs en sti mellem dem. Den resulterende sekvens dekodes til nye output, der ofte udviser glidende overgange i de semantiske træk.

   • Ved at interpolere mellem de latente repræsentationer af en kat og en hund kan man generere billeder, der gradvist ændrer sig fra kat til hund. — Eksempel baseret på generel viden
   • Lineær interpolation i latent rummet af en VAE kan føre til ujævne overgange, mens sfærisk interpolation (slerp) giver mere naturlige resultater i normaliserede rum.

Bruges ofte i generative modeller som GAN'er og VAE'er til at udforske latente strukturer, skabe overgange mellem kategorier eller generere nye varianter. Interpolationen kan være lineær eller ikke-lineær (f.eks. sfærisk) afhængigt af det latente rums geometri.

import numpy as np

def linear_interpolate(z1, z2, steps=10):
    alphas = np.linspace(0, 1, steps)
    return [(1 - a) * z1 + a * z2 for a in alphas]

# Eksempel: z1 og z2 er latente vektorer
# interpolerede = linear_interpolate(z1, z2)
# for z in interpolerede: billede = decoder(z)

Simpel lineær interpolation i latent rum. Funktionen genererer en liste af punkter mellem z1 og z2.

Fra engelsk 'latent space' (latent rum) og 'interpolation' (interpolation).

• Generative Adversarial Nets (Goodfellow et al., 2014)
• Auto-Encoding Variational Bayes (Kingma & Welling, 2013)