قم بتغذية مُشفِّر تلقائي تبايني بآلاف صور الوجوه، وسيتعلم خريطة مُضغوطة لملامح الوجوه، ثم يُولِّد وجوهاً جديدة لم تكن موجودة من قبل. ينتمي هذا النموذج إلى عائلة النماذج التوليدية، وميزته المُميزة هي إضافة بُعد احتمالي إلى المُشفِّر التلقائي التقليدي.

يقوم المشفر التلقائي القياسي بضغط المدخلات في متجه ثابت ثم يعيد بناءها. أما المشفر التلقائي المتغير (VAE) فيقوم بتشفير كل مدخل كتوزيع، عادةً ما يكون متوسطًا وتباينًا، ثم يأخذ عينات من هذا التوزيع قبل فك التشفير. هذه العشوائية المفروضة تُنعّم الفضاء الكامن بحيث تُفكّك النقاط المتقاربة إلى مخرجات متشابهة، مما يجعل الاستيفاء وأخذ العينات ذا جدوى.

المكونات الرئيسية

• شبكة ترميز تُخرج معلمات التوزيع الكامن
• خطوة أخذ العينات باستخدام حيلة إعادة تحديد المعلمات للحفاظ على تدفق التدرجات
• شبكة فك تشفير تعيد بناء المدخلات من متجه كامن مأخوذ عينات منه
• خسارة تجمع بين خطأ إعادة البناء ومصطلح تباعد كولباك-لايبير الذي ينظم الفضاء الكامن

تُنتج الشبكات العصبية التوليدية المتغيرة (VAEs) صورًا أقل وضوحًا من الشبكات التوليدية الخصومية (GANs)، لكن مساحاتها الكامنة أكثر تنظيمًا وأسهل في التصفح. هذه المفاضلة تجعلها شائعة في اكتشاف الأدوية، والكشف عن الحالات الشاذة، وأي مهمة يكون فيها التمثيل السلس والقابل للتفسير أهم من الوضوح التام.