Vložte do variačního autokodéru tisíce fotografií obličejů a ten se naučí komprimovanou mapu toho, jak obličeje vypadají, a poté vygeneruje nové, které nikdy neexistovaly. Model patří do generativní rodiny a jeho charakteristickým rysem je pravděpodobnostní zvrat oproti běžnému autokodéru.

Standardní autoenkodér vmáčkne vstup do fixního vektoru a rekonstruuje ho. VAE místo toho kóduje každý vstup jako rozdělení, obvykle průměr a rozptyl, a poté z tohoto rozdělení vzorkuje před dekódováním. Tato vynucená náhodnost vyhlazuje latentní prostor tak, že blízké body se dekódují do podobných výstupů, což dává interpolaci a vzorkování smysl.

Klíčové ingredience

• Síť kodérů, která vydává parametry latentního rozdělení
• Krok vzorkování využívající trik reparametrizace pro udržení plynulosti přechodů
• Dekodérová síť, která rekonstruuje vstup ze vzorkovaného latentního vektoru
• Ztráta kombinující chybu rekonstrukce s členem KL divergence, který regularizuje latentní prostor

VAE produkují rozmazanější obrazy než GAN, ale jejich latentní prostory jsou strukturovanější a snáze se v nich orientuje. Tato nevýhoda je činí oblíbenými pro objevování léčiv, detekci anomálií a jakékoli úkoly, kde na plynulém a interpretovatelném zobrazení záleží více než na dokonalé ostrosti jednotlivých pixelů.