Táplálj egy variációs autoenkódolót több ezer arcfotóval, és az megtanulja az arcok kinézetének tömörített térképét, majd új, soha nem létező képeket generál. A modell a generatív családba tartozik, és megkülönböztető jellemzője a hagyományos autoenkódoló valószínűségi változata.

Egy szabványos autoenkóder a bemenetet egy rögzített vektorba sűríti, majd rekonstruálja. Egy VAE ehelyett minden bemenetet eloszlásként kódol, jellemzően átlagként és varianciáként, majd a dekódolás előtt ebből az eloszlásból vesz mintát. Ez a kényszerített véletlenszerűség kisimítja a látens teret, így a közeli pontok hasonló kimenetekre dekódolódnak, ami értelmessé teszi az interpolációt és a mintavételezést.

Főbb összetevők

• Egy kódoló hálózat, amely egy látens eloszlás paramétereit adja ki
• Mintavételezési lépés az újraparaméterezési trükk használatával a gradiensek folyamatosságának fenntartása érdekében
• Egy dekóder hálózat, amely rekonstruálja a bemenetet egy mintavételezett látens vektorból
• Egy rekonstrukciós hibát és egy KL divergencia tagot kombináló veszteség, amely regularizálja a látens teret

A VAE-k elmosódottabb képeket produkálnak, mint a GAN-ok, de látens tereik strukturáltabbak és könnyebben navigálhatók. Ez a kompromisszum népszerűvé teszi őket a gyógyszerkutatásban, az anomáliadetektálásában és minden olyan feladatban, ahol a sima, értelmezhető ábrázolás fontosabb, mint a pixelpontos élesség.