토픽 64 / 172·생성형 AI와 LLM 활용

VAE (Variational Autoencoder)

입력 데이터를 확률 분포로 표현되는 잠재 공간으로 인코딩하고 디코딩하여 재구성하는 생성 모델로, 잠재 벡터를 샘플링하여 새로운 데이터를 생성하며 이상 탐지와 데이터 압축에 활용

특징: 확률적 잠재공간, 재매개변수화 트릭, 연속적 잠재표현, 안정적 학습

구조: Encoder(입력→잠재분포 μ,σ) → 샘플링(재매개변수화 트릭: z=μ+σ*ε) → Decoder(잠재→재구성)

손실함수: Reconstruction Loss(재구성오차, MSE) + KL Divergence(잠재분포→표준정규분포 근사)

장점: 학습안정, 잠재공간해석가능, 이상탐지, 확률적생성

단점: 생성품질낮음(흐림), GAN·Diffusion보다성능낮음

적용사례: 이미지생성·압축, 이상탐지, 약물설계, 얼굴생성

비교: VAE(확률적·안정·흐림) vs GAN(적대적·선명·불안정) vs Diffusion(점진·고품질·느림)

연관: 생성형AI, GAN, 오토인코더, 확산모델