Variational Autoencoder(变分自编码器,英文简称VAE)是深度学习中一种重要的生成模型,它在图像生成、语音合成、自然语言处理等领域有着广泛的应用。
VAE是一种基于神经网络的概率生成模型,在学习过程中,通过最大化观测数据对潜在的隐变量的后验分布的下界,来训练出神经网络模型的参数。通过对潜在变量进行采样,可以从先验分布中生成新的样本,从而实现生成模型的任务。
与传统自编码器相比,VAE引入了先验分布和后验分布的概念,将自编码器的目标从降低重构误差,扩展到同时优化生成数据以及学习潜在变量。