Man füttert einen Variations-Autoencoder mit Tausenden von Gesichtsfotos, und er lernt eine komprimierte Karte von Gesichtern und generiert anschließend neue, bisher unbekannte Gesichter. Das Modell gehört zur Familie der generativen Autoencoder und zeichnet sich durch eine probabilistische Variante des herkömmlichen Autoencoders aus.

Ein Standard-Autoencoder komprimiert die Eingabe in einen festen Vektor und rekonstruiert diesen. Ein VAE hingegen kodiert jede Eingabe als Verteilung, typischerweise als Mittelwert und Varianz, und zieht daraus Stichproben, bevor er dekodiert. Diese erzwungene Zufälligkeit glättet den latenten Raum, sodass nahe beieinander liegende Punkte zu ähnlichen Ausgaben dekodiert werden, wodurch Interpolation und Stichproben sinnvoll werden.

Hauptzutaten

• Ein Encodernetzwerk, das Parameter einer latenten Verteilung ausgibt
• Ein Sampling-Schritt, bei dem der Reparametrisierungstrick verwendet wird, um den Gradientenfluss aufrechtzuerhalten.
• Ein Decodernetzwerk, das die Eingabe aus einem abgetasteten latenten Vektor rekonstruiert
• Ein Verlust, der den Rekonstruktionsfehler mit einem KL-Divergenzterm kombiniert, der den latenten Raum regularisiert.

VAEs erzeugen zwar unschärfere Bilder als GANs, ihre latenten Räume sind jedoch strukturierter und leichter zu navigieren. Dieser Kompromiss macht sie beliebt für die Wirkstoffforschung, die Anomalieerkennung und alle Aufgaben, bei denen eine glatte, interpretierbare Darstellung wichtiger ist als pixelgenaue Schärfe.