生成模型—VAE(Variational Auto-Encoder)

为进一步了解面部反应生成模型的原理，故详细学习VAE。

Auto-encoder

感谢李宏毅老师的视频！

自编码器是一种无监督学习的神经网络模型，可以用于数据降维、特征压缩、特征提取、数据生成等任务。其主要思想是尝试将输入数据通过编码器（Encoder）转换为一个低维度的潜在特征空间（类似PCA），并使用解码器（Decoder）将该特征空间重建为与原始数据尽可能相似的输出数据。自编码器由编码器和解码器两部分组成，其中编码器将高维度的输入数据映射到低维度的潜在特征空间，而解码器则将该潜在特征空间的表示映射回原来的高维度数据空间，以进行重构或预测任务。

自编码器可以用于无监督特征学习、数据降维、去噪、图像重建等多个领域。其中，通过限制编码和解码过程中的某些约束（如稀疏性、降噪、受限玻尔兹曼机等），可以进一步优化自编码器的表现，增强其鲁棒性和泛化性能。