Generatívna a jazyková AI · Generatívne modelovanie

Variačný autoenkóder

Variational autoencoder

Posledná odborná revízia
1. augusta 2026
Odborný garant
Miroslav Schmiedt
ID
AI-GEO-V-06

Odborná definícia

Význam a odborné vymedzenie pojmu

Variational autoencoder, VAE, je latentný generatívny model, ktorý encoderom odhaduje parametre pravdepodobnostného rozdelenia latentnej premennej a decoderom rekonštruuje alebo generuje dáta. Tréning maximalizuje evidence lower bound, zloženú z rekonštrukčného člena a regularizácie pomocou Kullbackovej-Leiblerovej divergencie voči prioru. Reparameterizačný trik umožní prenášať gradient cez náhodné vzorkovanie. VAE vytvára hladší latentný priestor, no pri silnom decoderi môže trpieť posterior collapse a rozmazanými výstupmi.

Zrozumiteľné vysvetlenie

Ako sa pojem používa v praxi

Klasický autoenkóder priradí vstupu jeden bod v latentnom priestore. VAE namiesto bodu vytvorí oblasť pravdepodobných kódov, napríklad stred a rozptyl, z ktorej sa počas tréningu vzorkuje. Tým sa susedné miesta učia reprezentovať plynulé varianty dát a decoder dokáže generovať nové príklady aj medzi známymi vzorkami. Cenou je kompromis, model musí naraz rekonštruovať detail a udržiavať latentné rozdelenie usporiadané. Príliš silná regularizácia môže z kódu odstrániť užitočnú informáciu.

Časté otázky

Otázky, ktoré spresňujú význam

Čím sa VAE líši od bežného autoenkódera?

Bežný autoenkóder mapuje vstup deterministicky. VAE sa učí distribúciu latentnej premennej a optimalizuje pravdepodobnostný cieľ s explicitným priorom.

Čo je reparameterizačný trik?

Náhodná vzorka sa zapíše ako deterministická transformácia parametrov distribúcie a nezávislého šumu. Gradient potom môže prechádzať cez encoder.

Prečo bývajú obrázky z VAE mäkšie než z GAN?

Pravdepodobnostná rekonštrukčná strata často pri neistote priemeruje viac možných detailov. Výsledkom môže byť hladký, ale menej ostrý obraz.

Čo znamená posterior collapse?

Decoder ignoruje latentný kód a približný posterior sa priblíži prioru. Model potom generuje hlavne z decoderovej kapacity bez informatívnej latentnej reprezentácie.

Kde sa VAE používa v aplikačnej AI?

Pri generovaní variantov, detekcii anomálií, kompresii reprezentácií, imputácii, disentanglemente a ako latentná zložka zložitejších generatívnych systémov.

Súvisiace pojmy

Významové a tematické súvislosti

Pojem v rozhodovaní

Odborné články, ktoré tento pojem používajú v praxi

Zdroje a redakčná stopa

Použité východiská a odborná revízia

  • Auto-Encoding Variational Bayes
  • PyTorch, Variational Autoencoder example

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.