VAE

释义 Definition

VAE 常指 Variational Autoencoder（变分自编码器）：一种生成模型/神经网络结构，通过把数据压缩到“潜在空间”（latent space）并学习其概率分布，从而能够生成与训练数据相似的新样本（如图像、文本、声音）。
（也有较少见的用法：拉丁语感叹词 **vae!**，意为“祸哉/哀哉”。）

发音 Pronunciation

/ˌviː.eɪˈiː/

例句 Examples

A VAE can generate new images after training.
VAE 在训练后可以生成新的图像。

By optimizing the ELBO, the VAE learns a latent distribution that enables smooth interpolation between examples.
通过优化 ELBO，VAE 学到一种潜在分布，使不同样本之间能够进行平滑插值。

词源 Etymology

VAE 是学术缩写，来自 Variational（变分的，指变分推断思想）+ Autoencoder（自编码器）。该模型在深度学习与概率推断结合的背景下流行起来，常与 2013 年左右的经典论文标题与术语传播有关。

相关词 Related Words

• Autoencoder
• Encoder
• Decoder
• Latent
• Variational Inference
• ELBO
• Generative Model
• GAN
• Neural Network

文学与名著用例 Literary Works

• Diederik P. Kingma & Max Welling, Auto-Encoding Variational Bayes（提出并推广 VAE 术语与框架的经典论文）
• Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning（教材中讨论生成模型时涉及 VAE）
• Kevin P. Murphy, Probabilistic Machine Learning（概率机器学习体系中介绍 VAE/变分推断相关内容）