An Introduction to Variational Autoencoders
Kingma Diederik P Welling Max [ [ [
Abstract
Variational autoencoders provide a principled framework for learning deep latent-variable models and corresponding inference models. In this work, we provide an introduction to variational autoencoders and some important extensions.
中文速览
变分自编码器（Variational Autoencoder，VAE）要解决的核心问题是：如何在数据背后存在未观测隐变量的情况下，同时高效地学习生成模型和推断模型。它的办法是把一个编码器（识别模型）和一个解码器（生成模型）耦合起来，通过"重参数化技巧（reparameterization trick）"将随机采样转化为可微分的运算，从而用随机梯度下降端到端地优化一个统一的变分下界目标。实验和理论分析表明，VAE 不仅能生成新样本，还能学到数据的紧凑语义表示，并天然支持半监督学习等下游任务。这一框架将贝叶斯图模型与深度神经网络融为一体，为生成建模和无监督表示学习提供了原则性基础，并催生了大量后续扩展工作，是现代深度生成模型的重要基石之一。
原文 arXiv:1906.02691;中英对照 + 大白话阅读 https://aha.fim.ai/paper/1906.02691v3