- 간단히 말해, VAE에서의 "Variational"은
- 데이터를 간단하게 표현하면서도 원래 데이터의 중요한 특징을 잘 유지하도록 최적화하는 과정을 의미
- "Variational" 이 뭔지 알려면, '변분'을 알아야함
- 변분:
어떤 함수의 '형태'를 조금씩 변화시키면서, 그 결과가 최적이 되는 조건을 찾는 방법여러 다른 길들 중에서, 가장 빨리 목적지에 도착하는 최적의 길을 찾는 것과 비슷
- Variational Autoencoder (VAE)에서의 "Variational"은 이와 같은 원리를 적용
- VAE는 데이터의 복잡한 분포를 단순한 분포(예: 정규 분포)로 근사(approximate)하는 모델
- 여기서, '근사'란 실제 데이터 분포와 유사한, 하지만 더 간단한 수학적 모델을 찾는 것을 의미
- VAE는 복잡한 데이터(예: 사진, 음성)를 간단한 형태로 변환하는 '인코더'와, 그 간단한 형태를 다시 원래의 복잡한 데이터로 복원하는 '디코더'로 구성되어 있음
- VAE의 핵심은 인코더가 데이터를 변환할 때, 단순한 분포(예: 벨 모양의 곡선)를 따르도록 만드는 것
- 이렇게 하면, 디코더가 이 간단한 분포를 기반으로 원래 데이터를 재생성할 수 있음
- 변분 방법은 이 과정에서 중요한 역할을 합니다.
- VAE는 변분 방법을 사용하여,
인코더가 생성하는 간단한 분포가원래 데이터의 복잡한 분포를, 가능한 한 잘 대표할 수 있도록
- 즉, VAE는
'가장 적절한' 간단한 분포를 찾기 위해 계속해서 조정을 거치는 것
새로운 것이 들어오면 이미 있는 것과 충돌을 시도하라.