Empirical Variational Autoencoder：用于连续值序列的生成框架

Empirical Variational Autoencoder（EVA）提出一种面向连续值序列的通用生成框架，在 VAE 上通过单个额外线性层从训练数据经验学习自回归潜在先验。EVA 用自预测先验替代标准 Gaussian 约束，缓解先验与后验的潜在分布差距；在图像和声音合成实验中，生成质量可与自回归扩散模型基线竞争，且推理更快。