VAE(Variation Auto Encoder)의 이론과 수식을 알아보자

참고자료 : KAIST 강남우 교수님의 딥러닝과 설계 강의 VAE란 무엇인가? Input Data를 가장 잘 표현하는 Feature들을 추출하여 Latent Vector z를 통해 X와 유사하지만 새로운 데이터를 생성해내는데 목표를 가짐 오토인코더처럼 Unsupervised Learning이기 때문에, 입력과 출력이 같기를 원하는 상황은 똑같음 AutoEncoder 아키텍쳐를 다시 살펴보자 하지만 오토인코더는 Input Data를 잘 압축시켜줄 수 있는 모델 Encoder에 집중했다면, VAE는 압축한 뒤 이를 새로운 디코더로 Generate할 수 있는 Decoder 부분에 초점을 맞춤 초점 자체가 다르고, 가장 큰 차이점은 통계를 기반으로 한 수식들이 눈에 띈다. VAE는 Z인 Latent Vector가 평균, 분산으로 이뤄진 가우시안 분포를 가지게 되고, 오토인코더(AE)는 잠재코드가 어떠한 행렬로 나오게 된다. VAE의 특징 디코더가 최소한 학습 데이터는 생성해 낼 수 있다. ...

원문링크 : VAE(Variation Auto Encoder)의 이론과 수식을 알아보자