Mata en variationell autokodare med tusentals ansiktsfotografier, så lär den sig en komprimerad karta över hur ansikten ser ut och genererar sedan nya som aldrig existerat. Modellen tillhör den generativa familjen, och dess utmärkande drag är en probabilistisk variant av den vanliga autokodaren.

En vanlig autokodare klämmer in inmatning i en fast vektor och rekonstruerar den. En VAE kodar istället varje inmatning som en fördelning, vanligtvis ett medelvärde och en varians, och samplar sedan från den fördelningen innan avkodning. Denna påtvingade slumpmässighet jämnar ut det latenta rummet så att närliggande punkter avkodas till liknande utdata, vilket gör interpolering och sampling meningsfulla.

Viktiga ingredienser

• Ett kodningsnätverk som matar ut parametrar för en latent distribution
• Ett samplingssteg med hjälp av reparametriseringsknepet för att hålla gradienterna flytande
• Ett avkodarnätverk som rekonstruerar ingången från en samplad latent vektor
• Ett förlustkombinerande rekonstruktionsfel med en KL-divergensterm som regulariserar det latenta utrymmet

VAE:er producerar suddigare bilder än GAN:er, men deras latenta utrymmen är mer strukturerade och lättare att navigera. Den avvägningen gör dem populära för läkemedelsutveckling, anomalidetektering och alla uppgifter där en smidig, tolkningsbar representation är viktigare än pixelperfekt skärpa.