VAE (Variational Autoencoder)
Generatives KI-Modell, das lernt, Daten in einen kompakten Latentraum zu komprimieren und daraus neue, ähnliche Beispiele zu erzeugen.
Ein Variational Autoencoder (VAE) ist ein generatives neuronales Netzwerk, das aus zwei Teilen besteht: einem Encoder, der Eingabedaten in einen niederdimensionalen Latentraum komprimiert, und einem Decoder, der aus diesem Latentraum wieder die Originaldaten, oder neue, ähnliche Beispiele, rekonstruiert.
Der entscheidende Unterschied zu einem klassischen Autoencoder ist die probabilistische Natur: Statt einen festen Punkt im Latentraum zu erzeugen, lernt der VAE für jeden Eingabewert eine Wahrscheinlichkeitsverteilung. Beim Sampling aus dieser Verteilung lassen sich neue, kohärente Beispiele generieren, etwa neue Gesichter, Handschriften oder Moleküle.
VAEs waren einer der ersten Durchbrüche im Bereich generativer Modelle und stehen historisch neben GANs. Heute werden sie oft als Komponente in größeren Architekturen verwendet, etwa als Image-Encoder in Stable Diffusion, wo sie Bilder in einen komprimierten Latentraum überführen, in dem die eigentliche Bildgenerierung effizient stattfinden kann.
Verwandte Begriffe
Attention-Mechanismus
Technik, die einem neuronalen Netz erlaubt, sich bei der Verarbeitung auf die jeweils relevantesten…
Deep Learning
Deep Learning ist ein Teilbereich des maschinellen Lernens, der auf künstlichen neuronalen Netzen…
Generative Adversarial Networks
Generative Adversarial Networks (GANs) sind eine Art von KI-Architektur, die aus zwei…
Graph Neural Networks
Spezielle neuronale Netze, die auf graph-strukturierten Daten arbeiten, etwa sozialen Netzwerken,…
Künstliche Neuronale Netze
Künstliche Neuronale Netze sind Rechenmodelle, die von der Struktur und Funktion biologischer…