MNIST
MNISTは、手書き数字画像の標準的なベンチマークデータセットである。
HypersphericalVAEでは、動的二値化MNISTを使い、N-VAEとS-VAEを教師なし学習と半教師あり分類で比較している。 低次元潜在空間では、S-VAEがlog likelihood、再構成、K-NN分類精度で優位になりやすい。
Beta-NLL論文では、VAEの再構成分布を異分散Gaussianとして学習する評価にMNISTを使い、通常のGaussian NLLとBeta-NLLをRMSEとlog likelihoodで比較している。
PoissonVAE論文では、MNISTの潜在表現をKNN分類とshattering dimensionalityで評価している。 の設定では、P-VAEが少数ラベル時にG-VAEより高いKNN精度を示す。