Polytopal Neural Network 将隐表示约束在学习到的多面体上，在 ImageNet-1k 上保留 96.9% 的无约束精度
作者提出 Polytopal Neural Network（PNN），在训练中把每层隐表示约束为学习到的原型（archetype）的凸组合，使解释坐标同时就是下一层接收的坐标；在图像分类与重建基准上，PNN 以很小的精度损失逼近无约束网络，在无监督重建中优于 VQ-VAE 与 Dirichlet VAE，并给出无需 EMA、承诺损失或直通估计器的 VQ 训练路径。