В прошлой статье мы познакомились с вариационным автоэнкодером (VAE) и увидели, как он решает проблему «дырявого» латентного пространства обычного автоэнкодера. Вместо того чтобы кодировать картинку в одну точку, VAE кодирует её в распределение, что делает пространство более гладким и позволяет генерировать новые, никогда не виденные нейросетью дан…
Часть 2. Вариационный автоэнкодер.
В прошлой статье мы познакомились с автоэнкодером — простой архитектурой, которая учится сжимать данные в компактное представление (латент) и восстанавливать их обратно. Мы посмотрели, как автоэнкодер работает на примере датасета MNIST и цифры «7», а также выяснили его главный недостаток: в латентном пространстве разные объекты оказываются отдельны…