Nagyjából: variációs autoenkóder (AE) és Wasserstein-GAN.

Az általános variational bevezetőt főleg ez alapján mondtam el:

• http://paulrubenstein.co.uk/deriving-the-variational-lower-bound/További jó anyagok:
• https://arxiv.org/abs/1606.05908
• http://paulrubenstein.co.uk/variational-autoencoders-are-not-autoencoders/
• Kiss Flóra Melinda VAE bevezetője https://elte-ttk-deeplearning.github.io/docs/VAE_19marc.pdf

Legközelebb főleg ezekről terveztem beszélni, őszintén szólva megvan a veszélye, hogy kicsit túl partikuláris lesz azoknak, akik nem állandóan VAE-kon pörögnek:

• https://rachitsingh.com/elbo_surgery/ azaz http://approximateinference.org/accepted/HoffmanJohnson2016.pdf
• http://papers.nips.cc/paper/7527-isolating-sources-of-disentanglement-in-variational-autoencoders.pdf
• talán kicsit ezekről is:
  • https://arxiv.org/abs/1511.05644
  • https://arxiv.org/abs/1711.01558
• bónusz a hazai csapatnak, minden a Variational NLP-ről: http://nlp.seas.harvard.edu/latent-nlp-tutorial.html (edited)