چكيده
در اين مقاله، هدف نشان دادن اين است كه يك فضاي پنهان باينري را مي‌توان براي نمايش‌هاي تصوير فشرده و در عين حال رسا كاوش كرد. نگاشت هاي دو جهته بين يك تصوير و نمايش باينري نهفته مربوطه را با آموزش يك رمزگذار خودكار با توزيع رمزگذاري برنولي مدل مي كنيم. از يك طرف، فضاي نهفته باينري يك نمايش تصوير گسسته فشرده ارائه مي كند كه توزيع آن مي تواند كارآمدتر از پيكسل ها يا نمايش هاي پنهان پيوسته مدل شود. از سوي ديگر، اكنون هر دسته تصوير را به عنوان يك بردار باينري به‌جاي نمايه‌اي از يك روش از پيش آموخته‌شده در نمايش‌هاي تصوير گسسته با كمي‌سازي برداري نمايش مي‌دهيم.
به اين ترتيب، نمايش‌هاي نهفته باينري را به دست مي‌آوريم كه امكان ارائه كيفيت تصوير بهتر و نمايش تصوير با وضوح بالا را بدون هيچ گونه سلسله مراتب چند مرحله‌اي در فضاي پنهان فراهم مي‌كند. در اين فضاي نهفته باينري، اكنون مي توان تصاوير را به طور موثر با استفاده از يك مدل انتشار نهفته باينري كه به طور خاص براي مدل سازي تصوير قبلي نسبت به نمايش هاي تصوير باينري طراحي شده است، توليد كرد.
هر دو آزمايش توليد تصوير مشروط و بدون قيد و شرط را با مجموعه داده‌هاي متعدد ارائه مي‌كنيم، و نشان مي‌دهيم كه روش پيشنهادي همپا با روش‌هاي پيشرفته عمل مي‌كند و در عين حال كارايي نمونه‌گيري را به طور چشمگيري تا 16 مرحله بدون استفاده از هيچ‌گونه شتاب زمان آزمايش بهبود مي‌بخشد. چارچوب پيشنهادي همچنين مي‌تواند بدون توسل به سلسله مراتب پنهان يا اصلاحات چند مرحله‌اي، به‌طور يكپارچه به توليد تصوير با وضوح بالا 1024×1024 مقياس‌بندي شود.
