VAE，AE以及为啥用MSE

最新推荐文章于 2025-03-22 23:54:03 发布
最新推荐文章于 2025-03-22 23:54:03 发布
阅读量2.8k 收藏 3
点赞数 2
分类专栏： 神经网络 论文笔记 卷积神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39196190/article/details/84869299
版权
本文深入探讨了自动编码器（AE）与变分自动编码器（VAE）的区别及原理，通过引用苏剑林的系列文章，从数学角度详细解释了VAE的运作机制，包括其如何从贝叶斯观点出发进行数据建模。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

整理了一下对AE（Autoencoder）和VAE（Viration Autoencoder）
引用的是大佬的对VAE的详细讲解，比市面上的妖艳贱货实在的多
在这里插入图片描述
引用：
苏剑林. (2018, Mar 18). 《变分自编码器（一）：原来是这么一回事 》[Blog post]. Retrieved from https://kexue.fm/archives/5253
苏剑林. (2018, Mar 28). 《变分自编码器（二）：从贝叶斯观点出发 》[Blog post]. Retrieved from https://kexue.fm/archives/5343

深度学习笔记——AE、VAE
haopinglianlian的博客
11-29 1405
本笔记介绍深度学习中两个重要的模型：AE、VAE。
Stable Diffusion - 墨幽人造人 模型与 Tag 配置
AGI
07-05 7016
真正的首个可以称之为人造人的“墨幽”。完全真正对墨幽进行了跨世代的全面升级。
深度解析sd-vae-ft-mse模型的参数设置
gitblog_02326的博客
12-31 831
深度解析sd-vae-ft-mse模型的参数设置 sd-vae-ft-mse 项目地址: https://gitcode.com/mirrors/stabilityai/sd-vae-ft-mse ...
vae-ft-mse-840000-ema-pruned.safetensors
08-02
vae-ft-mse-840000-ema-pruned.safetensors stable diffusion vae
VAE的学习及先验知识
最新发布
butterflies_的博客
03-22 1038
（可以这么考虑，潜在表示保存了原图像的关键信息，可以通过它重构原图像，这就是一个因果关系，但是能够重构原图像的因不止有一个，因此潜在表示应该是一个不确定变量，是一个概率分布。对于潜在空间z的先验分布，一般假设其符合标准正态分布，对于近似后验分布，我们假设其符合正态分布，为了学习它的均值与方差，使用了神经网络进行学习，这两个值通过两个不同的神经网络进行学习。而为了使KL散度最小，就是使上式最小，也就是它的相反数最大，下方这个又称为证据下界（变分下界，ELBO），要使其最大化。在此之前先讲些基础的术语。
Stable Diffusion VAE：改善图像质量的原理、选型与使用指南
None
08-01 1万+
在Stable Diffusion中，不管是V1，V2，还是其他基础模型，如果本身对图像质量没有苛刻要求，其实是不需要额外部署VAE模型的，因为现在很多模型中都已经集成了VAE，比如 Anything VAE 已经集成到 Anything 模型了，再额外增加模型也没有效果。但是通过使用额外的VAE能够胜过默认提供的内置模型。在latent空间中生成后的图像再经解码还原到像素空间，即人类看见的图像，这个过程中，图像会有信息损失，而VAE就充当了上述编解码器的角色，好的VAE模型能够较好的保证图像质量。
AI绘画——ChilloutMix模型（现实真人，实现写实逼真的图像）
热门推荐
timberman666的博客
04-22 2万+
AI绘画——ChilloutMix模型（现实真人，实现写实逼真的图像）
Stable Diffusion为什么生成的图片总是糊的？
z19981的博客
05-30 3414
为什么基于SDXL的VAE模型比较少呢，因为VAE模型本身就比较小，很多SDXL的大模型都已经融入了VAE模型，所以基于SDXL的大模型一般不选择VAE模型出图效果也不错的。我们的大模型使用的是基于SDXL的大模型，但是VAE模型选择的ae-ft-mse-840000-ema-pruned.safetensors是基于SD1.5的大模型，二者并不匹配。另外：如果我们采样迭代步数设置的比较小，例如上面的示例中将采样迭代步数设置为5，出来的图片也是模糊的，但是和上面图片的模糊不是一个类型哈。
AE（自动编码器）与VAE（变分自动编码器）的区别和联系？
02-28
### AE（自动编码器）与VAE（变分自动编码器）的区别和联系 #### 自动编码器（AE） 自动编码器（Autoencoder，简称AE）是一种无监督学习方法，通常用于数据压缩、特征提取以及生成模型等领域。AE的核心思想是通过...
pytoch_AE&VAE
tjjyqing的博客
05-14 290
AE和VAE重现手写数字数据集AEVAEmain函数 下面分别是AE和VAE的模型，以及训练用的main函数 AE import torch from torch import nn class AE(nn.Module): def __init__(self): super(AE, self).__init__() # [b, 784] mnist数据集像素28*28 self.encoder = nn.Sequential(
生成式多模态之AE DAE/MAE VAE VQ-VAE/VQ-VAE2
qq_35215756的博客
07-20 1108
在VAE中，编码器仍然将输入数据映射到一个低维潜在空间，但是与潜在空间中的单个点不同，编码器生成潜在空间上的概率分布。（Variational Auto-Encoder）就是借助了encoder-decoder的结构去做生成，和AE最主要的区别就是不再去学习中间的bottleneck特征了，而是引入概率框架来生成输入数据的压缩表示，去学习一种分布。是一种瓶颈架构（ bottleneck），它使用编码器将高维输入x 转换为潜在的低维Code h，然后使用解码器将潜在Code h进行重构，得到最终的输出x’。
cae vae ae
02-12
为此目的所使用的损失函数通常是均方差(MSE)，它衡量的是预测值y_hat与实际观察值之间的差异大小[^1]。 尽管AEs可以很好地执行降维工作，但在某些情况下可能会遇到过拟合问题，因为它们倾向于记住训练集中特定样本...
stable diffusion实践操作-VAE
weixin_43360707的博客
09-01 3189
本文专门开一节写图生图相关的内容，在看之前，可以同步关注：stable diffusion实践操作。
对于变分自编码器VAE的重构损失使用均方差MSE还是二分类交叉熵的思考
qq_42478898的博客
07-14 1201
当前网络上的关于VAE模型损失函数尤其是重构损失这里，有的使用均方差损失MSE,有的使用二分类交叉熵。那么，到底该使用哪一种或者说两者都可以？
[AIGC] Stable Diffusion 如何使用 VAE 改善眼睛和脸部
unity尧明的博客
01-02 1230
VAE 代表variational autoencoder(变分自动编码器)。它是神经网络模型的一部分，可在较小的潜在空间之间对图像进行编码和解码，从而使计算速度更快。我们已经介绍了如何使用 Stability AI 发布的两种改进的 VAE 解码器。它们对渲染眼睛提供了微小但显着的改进。您可以决定是否要使用它。
【Stable Diffusion】：VAE模型
m0_71746299的博客
01-21 1465
我尝试了几个常用的大模型，发现使用和没使用VAE模型的区别并没有那么大。在使用某些模型时，有时候绘制的图片整体颜色比较灰，这个时候可以使用VAE模型对图片的颜色进行矫正。（3）VAE模型只是SD设计中的一个环节，使用VAE实现图片滤镜效果，有时候把图片给PS软件处理可能更方便，因此大家不要局限于工具本身，灵活使用工具快速绘图实现需求目标才是我们真正的目的。不同于LORA模型，VAE模型数量就少很多了，在C站搜索出来的VAE模型就只有11种。（1）VAE模型并不是在所有的大模型中都生效的。
AI绘画，让你一步迈入高手行列，让图片有高级感
m0_59162248的博客
07-17 660
本文所有图片均为 AI 绘画软件 stable diffusion 生成，今天带大家如何解决生成图片发灰的问题，让你一步迈入高手行列，让图片有高级感。
Stable Diffusion：模型
2401_84250575的博客
04-25 1035
大家好，我是卡狄。今天分享一下SD里面非常重要的一个基础设施： 模型它对生成图片的风格起着决定性的作用。就好比一个画家，在起笔绘画之前，要先确定画的是什么风格的画。是画动漫、画真人等。话不多说，下面跟我一起来看看吧。其他模型大家可以先大致了解一下，后面有使用到再详解。Embedding：含义是文本反演，也属于微调模型。相当于一连串关键词的集合。用于个性化图像生成。Hypernetworks：不太常用。LyCORIS：此类模型可以归为Lora模型，属于微调模型的一种。
实战操作：Stable Diffusion线稿立体化实操
Android_XG的博客
12-02 1121
做3D的工作者有福了！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值