Multivariate Variational Autoencoder (MVAE) verbessert Rekonstruktion und Kalibrierung
Ein neues Modell, der Multivariate Variational Autoencoder (MVAE), wurde auf arXiv vorgestellt und verspricht, die Vorteile der klassischen VAE-Architektur zu erhalten, während gleichzeitig die Beschränkung auf diagonale Posterior-Kovarianzen aufgehoben wird. Durch die Faktorisierung jeder Posterior-Kovarianz in eine globale Kopplungsmatrix und per‑Sample-Diagonal‑Skalen erzeugt der MVAE eine volle Kovarianzfamilie, die analytisch berechenbare KL‑Divergenzen und eine effiziente Reparametrisierung ermöglicht.
