VAE (autoencodeur variationnel)
En anglais : Variational Autoencoder
Réseau de neurones qui compresse une donnée en une représentation compacte et probabiliste, puis apprend à la reconstruire, ce qui permet aussi d’en générer de nouvelles.
Un VAE comporte deux parties : un encodeur qui résume l’entrée dans un espace latent de petite dimension, et un décodeur qui reconstruit la donnée à partir de ce résumé. Contrairement à un autoencodeur classique, il organise cet espace de manière continue, si bien qu’un point pris entre deux exemples donne un résultat plausible. On peut le comparer à un résumé si bien structuré qu’il suffit de le modifier légèrement pour obtenir une nouvelle version cohérente. Dans les modèles de diffusion latente, un VAE sert à passer de l’image à l’espace latent, puis à revenir à l’image finale.
Exemple
Dans un logiciel de génération d’images, le VAE transforme la représentation latente produite par le modèle de diffusion en image en pixels affichable à l’écran.
Notions liées
Deep learning (apprentissage profond)
DébutantSous-domaine du machine learning qui utilise des réseaux de neurones comportant de nombreuses couches successives pour apprendre des représentations de plus en plus abstraites à partir de données brutes.
Modèle de diffusion
IntermédiaireModèle génératif qui apprend à retirer progressivement le bruit d’une donnée, afin de créer à partir d’un bruit aléatoire une image, une vidéo ou un son cohérent.