条件变分自动编码器

条件变分自编码器CVAE
条件变分自编码器概述

VAE的局限

对于普通的VAE来说，其生成能力和过程表现在从一个隐藏的变量空间中采样，然后去解码生成一个新的东西，拿minist手写数据集举例的话，我们在生成数字之前并不知道解码器会从这个隐变量ｚ中解码出什么数字。这是因为原始的VAE直接对隐变量ｚ和数据X建模，而CVAE可以对定义在条件概率下的隐变量ｚ和数据Ｘ建模。

VAE公式

$$logP(X) - D_{KL}[Q(z|X)||P(z|X)] = E[logP(X|z)] - D_{KL}[Q(z|X)||P(z)]$$
编码器是在基于X对隐变量ｚ建模。

CVAE公式

上述VAE中不管X的类型是什么，如minist中的X为０～９，不同的数字可能有不一样的数据分布，但这个信息并没有得到利用，所以可以加入数据的标签作为条件，得到编码器：$Q(Z|X, c)$，解码器：$P(X|z, c)$，这里ｃ是先验知识，如每张图片的标签，这样就推广为CVAE。
公式如下：

$$logP(X|c) - D_{KL}[Q(z|X, c)||P(z|X, c)] = E[logP(X|z, c)] - D_{KL}[Q(z|X, c)||P(z|c)]$$
这样，隐变量的分布局限在条件ｃ下，对于编码器即 $P(z|c)$，在每一个ｃ的值下面，都有一个隐变量ｚ的分布 $P(Z)$，对解码器也是如此。

条件变分自编码概述