Modeller och tekniker
Variational Autoencoders (VAE)
Variational Autoencoders (VAE) är en generativ modelltyp som först komprimerar data till en kompakt representation och sedan bygger upp den igen. Genom att variera representationen kan modellen skapa nya exempel som liknar träningsdatan. VAE används på bild och ljud och som byggsten i större system.
Vad VAE förväxlas med
Vanliga autoencoders. En vanlig autoencoder komprimerar och återskapar. VAE lägger till slumpen, och det är slumpen som gör att nya exempel kan skapas.
GANs. Båda genererar innehåll, men VAE ger jämnare och suddigare resultat medan GANs ger skarpare och mer instabila.
Ett bildverktyg. VAE är en komponent. Den bildmodell ni använder är byggd av flera delar.
Var du möter VAE
I arbetet hos den som tränar generativa modeller på bild och ljud, och i teknisk dokumentation för sådana system. Köper ni färdiga verktyg möter ni det inte.
Vidare
Generativ AI för vad modelltypen används till. Generativ Adversarial Networks (GANs) för alternativet den oftast jämförs med. Latent utrymme (Latent Space) för representationen den arbetar i.