ELBO 썸네일형 리스트형 Variational Autoencoder (VAE) 1. VAE의 목표: 단순한 복원을 넘어 '창조'로기존의 오토인코더(Autoencoder)는 데이터를 저차원 벡터로 '압축'했다가 다시 '복원'하는 데 중점을 둡니다. 이는 차원 축소나 특징 추출에는 유용하지만, 새로운 데이터를 '생성'하는 데에는 한계가 있습니다. 잠재 공간(latent space)이 어떻게 구조화되어 있는지 알 수 없기 때문입니다.반면, VAE (Variational Autoencoder)는 생성 모델(Generative Model)입니다. VAE의 목표는 단순히 입력을 복원하는 것을 넘어, 데이터가 생성되는 확률적 과정을 학습하는 것입니다. 이를 위해 VAE는 잠재 변수 $z$가 특정 확률 분포(주로 표준 정규분포)를 따르도록 잠재 공간에 '구조'를 부여합니다. 이 구조화된 잠재 공.. 더보기 이전 1 다음