[MIT AI Lecture: Deep Learning 15] 오토인코더의 치명적 결함과 VAE의 혁명 | 확률로 압축하고 창조하는 VAE

00:00 표현 학습과 생성 모델의 융합 및 VAE 소개
01:41 인코더와 디코더의 역할 및 확률 분포 매핑
02:48 단순 오토인코더의 한계와 잠재 공간의 구멍 문제
03:52 단위 가우시안 분포를 이용한 잠재 공간의 연속성 확보
04:43 가우시안 혼합 모델을 통한 복잡한 데이터 분포 모사
05:30 고차원 데이터의 우도 계산 및 적분의 어려움
05:58 중요도 표집을 통한 효율적인 잠재 공간 탐색
06:14 Q 네트워크(인코더)를 이용한 최적의 탐색 경로 학습
06:42 계산 가능한 대용품으로서의 증거 하한(ELBO) 도입
07:05 복원력과 KL 발산 사이의 텐션과 잠재 공간의 구조
07:44 구체 패킹 형태의 조밀한 잠재 공간 구축
08:31 재매개변수화 기법을 통한 역전파 학습 가능화
09:12 독립적인 인과 관계 분리(Disentanglement)
09:41 위상 매핑 과정에서 발생하는 기하학적 흉터와 도약
10:37 생성 모델 스펙트럼에서의 VAE의 위치와 의의