当我们使用卷积自编码器生成新图像时，每次我们运行模型时，模型是否都会生成相同的图像?还是生成随机变化的图像?我认为每次我们运行模型时，自动编码器(AE)都会生成相同的新图像，因为它将输入图像映射到潜在空间中的单个点。另一方面，变分自编码器(VAE)将输入图像映射到一个分布。因此，如果我们需要一些随机变化的图像，我们需要使用VAE，如果我们需要每次运行模型都生成相同的图像，我们使用AE。这是真的吗?我的问题是:AE生成的图像是否随机变化?
自动编码器首先将输入数据编码为某种潜在表示，然后使用该表示(瓶颈层)重建相同的输入。我在MNIST数据上训练了一个自动编码器，并将这些数字编码成一个二维向量。网络学会了对我绘制的数据的非常有用的表示。MNIST数字的潜在表征
你可以看到，对于每个数字，潜在表征都有一定范围的值，例如，0的潜在表征在x轴上的范围从-2到4，在y轴上的范围从4到8。现在，如果你在这个范围内对一个随机的二维随机向量进行采样，并通过解码器运行它，你将得到一个随机的零图像。现在的问题是，这是一个非常简单的例子。如果潜在向量有64维，甚至更高一些类别也更多。在这种情况下，我们需要对潜在向量的分布进行建模，以便对有效向量进行采样。否则，我们永远不会知道哪个潜在向量是有效的。因此，自动编码器可能会给出随机样本，但它需要知道数据的分布和我们在VAE中涵盖的点。