Brownlab

📌 머신러닝의 기초: VAE (Variational Autoencoder; 변분 오토인코더) VAE란,VAE, 즉 변분(變分) 오토인코더는 머신러닝의 생성 모델의 한 종류로, 잠재 공간(latent space)을 학습해서 데이터를 효율적으로 표현하거나 새로운 데이터를 생성할 수 있게 합니다. 그냥 AE(오토인코더)정의오토인코더는 라벨이 필요없이 스스로 압축과 복원을 반복하면서 데이터의 핵심 정보를 배우는 자기지도학습 모델입니다.입력값을 그대로 출력하는 것을 목표로 하며, 압축과 복원을 수없이 반복하면서 필수 정보만 자동으로 학습합니다.학습방식압축 과정에서 불필요한 데이터를 제거하고, 남은 데이터만으로 원본을 복원하고, 손실을 확인합니다.손실이 크면 중요한 정보를 잘못 버렸음을 알게 되고,손실이 작으면 ..

📌 잠재 공간을 확률 분포로 모델링한다??VAE의 핵심이자, 일반 오토인코더와 완전히 다른 점입니다. 일반 오토인코더 (고정된 점 방식)입력 사진 한 장(예: 숫자 7)을 넣으면, 인코더가 그 사진을 2차원 좌표 하나로 압축합니다. 예: (1.23, -0.45) 좌표인 딱 하나의 점.그 점을 다시 디코더에 넣으면 거의 똑같은 7이 나옵니다.문제점:잠재 공간에 '점'만 흩어져 있고, 점 사이의 빈 공간에는 아무것도 없습니다. 그래서 빈 공간에서 샘플링하면 엉뚱한 이미지가 나옵니다.새로운 7을 만들 수 없고, 오직 '기억한 7'만 복원할 수 있습니다.VAE (확률 분포 방식); '구름'을 상상해보세요VAE는 같은 숫자 7을 다르게 표현합니다.입력 사진 7 을 넣으면, 인코더가 이렇게 정의합니다."이 사..