1. 第一步是生成模型,BPL 通过从*模型*部分的图的 A 侧部分组成(请参考 **iii)**来学习新概念,以学习新概念) ,下图 A 侧的子部分(请参见 **ii)**和它们在下图 A 侧的空间关系(请参见 **iv)**。 例如,它可以从零件和子零件中采样新类型的概念(在这种情况下为手写字符),并以新的方式将它们组合在一起。
2. 在第二步中,第一步中抽取的概念形成另一个较低层的生成模型,以产生新示例,如 A 侧的**v)**部分所示。
1. 第一步是生成模型,BPL 通过从“模型”部分的图的 A 侧部分组成(请参考`iii)`来学习新概念,以学习新概念) ,下图 A 侧的子部分(请参见`ii)`和它们在下图 A 侧的空间关系(请参见`iv)`。 例如,它可以从零件和子零件中采样新类型的概念(在这种情况下为手写字符),并以新的方式将它们组合在一起。
2. 在第二步中,第一步中抽取的概念形成另一个较低层的生成模型,以产生新示例,如 A 侧的`v)`部分所示。
3. 最后一步将渲染原始字符级图像。 因此,BPL 是生成模型的生成模型。 下图的 B 边显示了该生成模型的伪代码。