Skip to content
简体中文

切换主题

// ✦ 扩散、流匹配与生成模型

变分自编码器 VAE

把数据编码成概率分布,再从中采样解码生成新数据。

Variational Autoencoder (VAE) 2013 进阶 核心

通俗解释

编码器输出隐变量的均值和方差,通过“重参数化技巧”采样后解码重建;损失 = 重建误差 + 与标准正态的 KL 距离。Stable Diffusion 用 VAE 把图像压进潜空间。

用在哪里:Stable Diffusion 潜空间编码器

时间轴 · 前置 → 当前 → 后继

1977 期望最大化(EM)1986 反向传播2013 变分自编码器 VAE2016 标准化流(RealNVP …2017 VQ-VAE 离散表示2018 世界模型(Ha & Sch…2020 去噪扩散概率模型 DDPM2021 潜空间扩散(Stable …

01原始论文

Auto-Encoding Variational Bayes

Diederik P Kingma, Max Welling · 2013

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

所在学习路线:生成式与前沿研究

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)