VAE (Variational Autoencoder)
Categoria
Modelos e Arquiteturas
VAE (Variational Autoencoder) e uma variante probabilistica do autoencoder que aprende uma distribuicao no espaco latente, permitindo gerar novos dados coerentes. Combina redes neurais com inferencia bayesiana.
Categoria
Modelos e Arquiteturas
Compartilhar
O que e VAE?
VAE (Variational Autoencoder) e um modelo generativo que combina autoencoders com inferencia variacional. Em vez de mapear entradas para pontos fixos no espaco latente, o VAE mapeia para distribuicoes de probabilidade, permitindo amostrar novos pontos e gerar dados ineditos.
Funcionamento
- Encoder: mapeia entrada para media e variancia de uma distribuicao
- Reparameterization Trick: permite backpropagation atraves da amostragem
- Decoder: reconstroi dados a partir de amostras do espaco latente
- Loss: reconstrucao KL-divergencia (regulariza espaco latente)
Vantagens sobre Autoencoder
O espaco latente do VAE e continuo e organizado, permitindo interpolacao suave entre dados e geracao de novos exemplos realistas.
Aplicacoes
Geracao de imagens, drug discovery, design de moleculas e aumento de dados. Na Trilion, VAEs sao considerados para projetos que exigem geracao controlada de novos dados sinteticos.
