Autoencodeur variationnel VAE

Définition

Un autoencodeur variationnel, ou VAE (Variational Autoencoder), est un modele generatif compose d'un encodeur et d'un decodeur, entraine a compresser une donnee dans un espace latent probabiliste puis a la reconstruire. Contrairement a un autoencodeur classique, qui apprend un point fixe dans l'espace latent pour chaque entree, le VAE apprend une distribution de probabilite, generalement une gaussienne caracterisee par une moyenne et une variance, ce qui rend l'espace latent continu et exploitable pour la generation de nouvelles donnees par echantillonnage. L'entrainement optimise une fonction de perte a deux termes : une erreur de reconstruction et une divergence de Kullback-Leibler qui regularise la distribution latente vers une loi normale standard, garantissant la coherence de l'espace lorsqu'on genere de nouveaux echantillons. Les VAE ont ete parmi les premiers modeles generatifs profonds performants, avant l'essor des GAN puis des modeles de diffusion, et servent aujourd'hui encore de composant de compression dans les modeles de diffusion latente, ou ils projettent les images dans un espace latent de plus faible dimension pour reduire le cout de calcul. Ils sont egalement utilises pour la detection d'anomalies, la reduction de dimensionnalite et la synthese de donnees, avec des applications en cybersecurite pour la generation de donnees d'entrainement synthetiques anonymisees.