1. 自编码器(Autoencoders,AE):由两部分组成,编码器和解码器。
编码器:将高维的输入数据压缩为更低维的表征向量(representation vector);
解码器:将给定的表征向量解压为原始维度。
自编码器可以用来清除嘈杂的图片,since the encoder learns that it is not useful to capture the position of the random noise inside the latent space.
2. 转置卷积
3. 自编码不保证空间是连续的。比如即使在点(2,-2)可能能解码出好的表示‘4’的图像,但没有任何机制可以确保在点(2.1,-2.1)也能产生好的表示‘4’的图像。损失函数使用RMSE。(自我感觉自编码有点像降维+聚类??)
4. 变分自编码在自编码的基础上做了两点改变:编码器和损失函数。
编码器的改变:不像自编码器里的编码器是直接对应潜在空间中的一个点,变分自编码器里的编码器会将每个输入图像编码到两个向量,mu和log_var,这两个向量共同定义多元正态在潜在空间中的分布。mu:分布的平均点;log_var:每个维度的方差的对数。
为了将图像编