VAE(Variational Autoencoder) : 다변수 오토인코더

 

정의/개념

- 모델평균(mean)과 표준편차(std)를 학습하고 사후확률을 최대화 하여, 입력 데이터와 유사한 새로운 데이터를 생성하는 AI 기술

 

 

개념도 / 구성요소

 

 

 

구분	구성 요소	설명
Encoder	- Input Layer	- 학습할 x의 입력 데이터
	- Encoder	- 입력 데이터를 평균과 분산으로 나타내는 학률 분포를 학습
Latent Space	- 잠재변수 (Z)	- Input 값의 평균과 표준편차를 학습한 벡터 값
	- Sample Latent	- 평균, 표준편차를 통한 사후 확률 추론 - 변분추론을 통하여 근사적으로 학습
Decoder	- Decoder	- 학습한 평균과 분산 정보를 이용하여 정규분포에서 임의의 포인트를 추출하여 디코더의 입력으로 사용해 데이터를 재생성
	- Output Layer	- Input 데이터와 유사하지만 새로운 데이터를 생성

 

 

장점

- 데이터를 요약하는 유용한 잠재표현을 찾을 수 있다.

 

단점

- 흐릿한 이미지를 생성한다.