AIGC实战——使用变分自编码 - 器生成面部图像
0. 前言
在自编码器和变分自编码器上,我们都仅使用具有两个维度的潜空间。这有助于我们可视化自编码器和变分自编码器的内部工作原理,并理解自编码器和变分自编码潜空间分布的区别。在本节中,我们将使用更复杂的数据集,并了解增加潜空间的维度时,变分自编码器的图像生成效果。
1. 数据集分析
接下来,我们将使用 CelebFaces Attributes
(CelebA
) 数据集训练一个新的变分自编码器 (Variational Autoencoder
, VAE
)。CelebA
数据集包含了 200,000
多张人脸部彩色图像,每张图像都标注了各种标签(例如戴帽子、微笑等):
当然,训练 VAE
时并不需要这些标签,但当我们探索如何在多维潜空间中捕获这些特征时,这些标签将会派上用场。VAE
训练完成后,我们就可以从潜空间中采样,生成新的面部图像。
CelebA
数据集可以在