VAE(变分自编码器) CVAE(条件变分自编码器)

解决问题:生成一个符合训练样本的图像

• 当然也可以是普通数据,不一定非要是图像
• 根据输入值不同,选择不同特性的模型

模型	输入值	生成能力	隐空间特性
AE	图像	必须使用已知图像去重绘,类似于默写的操作	不平滑,不连续
VAE	随机$z$	从随机到图像,无中生有(当然输入图像也是可以的)	平滑、连续
CAVE	随机$z$+条件	可生成指定条件的图像	条件化、可控生成

模型共性

• 模型都是基于编码器-解码器的模型来设计的
• 编码器用来提取输入图像的特征,生成低维抽象的特征表示,即隐表示/隐变量:$z$
• 解码器用来将低维抽象还原回图像

AE 自编码器

• 编码器直接通过例如全连接层的操作,提取特征$z$,此时的$z$我们观察任意一个特征,他的数据分布是不平滑,不连续的(全连接层)的输出一定是不连续的.

• AE的 z z