Varyasyonel Otokodlayıcı (VAE) Nedir?
İngilizce: Variational Autoencoder
Yayın: · Son güncelleme:
Varyasyonel Otokodlayıcı (VAE) Nedir? Kısaca
Varyasyonel otokodlayıcı (VAE), veriyi düzenli bir gizil uzaya sıkıştıran bir kodlayıcı ile bu uzaydan yeniden veri üreten bir kod çözücüden oluşan, olasılık temelli üretken bir sinir ağı modelidir.
Varyasyonel otokodlayıcı (VAE, Variational Autoencoder), veriyi daha küçük bir temsile sıkıştırmayı ve bu temsilden yeni örnekler üretmeyi öğrenen bir sinir ağıdır. Görsel üretim modellerinde, özellikle Stable Diffusion gibi sistemlerde görsel ile gizil uzay arasında dönüşüm yapan bileşen olarak kullanılır.
Önce otokodlayıcı nedir?
Klasik otokodlayıcı iki parçadan oluşur:
- Kodlayıcı (encoder): Girdiyi (ör. bir yüz fotoğrafını) birkaç yüz sayıdan oluşan kısa bir koda sıkıştırır.
- Kod çözücü (decoder): Bu koddan orijinal girdiyi yeniden oluşturmaya çalışır.
Model, çıktının girdiye olabildiğince benzemesi için eğitilir. Böylece veriyi özetleyen anlamlı özellikler öğrenir.
"Varyasyonel" farkı nedir?
Klasik otokodlayıcıda kod uzayı düzensiz olabilir; iki kodun arasındaki bir noktadan anlamsız sonuçlar çıkabilir. VAE ise her girdiyi tek bir nokta yerine bir olasılık dağılımı (ortalama ve yayılım) olarak kodlar ve bu dağılımların düzenli, sürekli bir uzaya yayılmasını sağlar. Sonuç olarak:
- Gizil uzaydan rastgele bir nokta seçip kod çözücüye verdiğinde anlamlı yeni bir örnek elde edersin.
- İki örneğin kodları arasında yumuşak geçişler yapılabilir (ör. bir yüzden diğerine kademeli dönüşüm).
Eğitimde iki hedef birlikte gözetilir: Girdiyi iyi yeniden oluşturmak ve kod uzayını düzenli tutmak.
Kullanım alanları ve sınırları
- Difüzyon modellerinde görseli gizil uzaya sıkıştırma ve geri açma
- Veri sıkıştırma ve boyut indirgeme
- Anomali tespiti (iyi yeniden oluşturulamayan örnekler şüphelidir)
- Sentetik veri üretimi
Tek başına kullanılan VAE'ler genellikle bulanık görseller üretir; bu yüzden yüksek kaliteli görsel üretiminde çoğunlukla başka yöntemlerle birlikte kullanılır.
Sıkça Sorulan Sorular
Stable Diffusion'daki VAE ne işe yarar?
Görseli, difüzyon işleminin yapıldığı küçük gizil temsile sıkıştırır ve üretim sonunda bu temsili yeniden tam çözünürlüklü görsele çevirir. Farklı VAE dosyaları renk ve ayrıntı kalitesini etkileyebilir.
VAE ile GAN arasındaki fark nedir?
VAE veriyi düzenli bir gizil uzaya kodlayıp yeniden üretmeyi öğrenir; eğitimi kararlıdır ama çıktıları bulanık olabilir. GAN ise iki ağın yarışmasıyla daha keskin görseller üretebilir ama eğitimi daha kararsızdır.