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