변형 자동 인코더 (Variational AutoEncoder : VAE)

VAE(Variational AutoEncoder)의 기본 개념

 

- <자동 인코더(AutoEncoder(AE))>는 원본 데이터를 저차원 표현으로 압축하고, 이를 다시 복원하는 <비지도 학습(Unsupervised Learning)> 방법입니다.
- AE의 주 목적은 Encoder를 학습하여 유용한 <특징 추출기(Feature Extractor)>로 활용하는 것이며, 다양한 딥러닝 네트워크에 응용됩니다.
- VAE와 AE는 유사한 구조를 가지며, VAE는 데이터 생성을 위해 데이터 분포를 학습하는데 초점을 둡니다.
- VAE는 <잠재된 변수(latent variable)>의 분포를 정규 분포로 나타내고 <재모수화 트릭(Reparametrization Trick)>을 사용하여 미분 가능하게 합니다.
- VAE를 사용하여 데이터를 생성할 때, 랜덤 노이즈를 입력으로 사용하며 이로부터 다양한 이미지를 생성할 수 있습니다.

---

VAE(Variational AutoEncoder)

https://gaussian37.github.io/dl-concept-vae/

VAE(Variational AutoEncoder)