Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Désenchevêtrement des facteurs
Propriété où chaque dimension de l'espace latent capture une seule caractéristique interprétable et indépendante des données, permettant un contrôle granulaire de la génération.
Capacité de l'encodeur
Quantité d'information que l'encodeur peut transmettre à l'espace latent, contrôlée indirectement par le paramètre beta pour éviter le sur-apprentissage.
Distribution postérieure variationnelle
Approximation paramétrique de la distribution postérieure vraie, typiquement modélisée comme une gaussienne diagonale dont les paramètres sont appris par l'encodeur.
Facteurs de variation latents
Dimensions indépendantes de l'espace latent correspondant aux attributs fondamentaux sous-jacents qui ont généré les données observées.
Prior isotropique
Distribution a priori gaussienne standard (moyenne nulle, variance unitaire) utilisée dans les VAE pour régulariser l'espace latent et faciliter l'échantillonnage.
Annealing de beta
Stratégie d'entraînement faisant varier progressivement le paramètre beta depuis une faible valeur initiale vers sa valeur cible pour améliorer la convergence et le désenchevêtrement.
Coefficient de désenchevêtrement
Métrique quantitative évaluant le degré auquel chaque dimension latente capture un facteur de variation unique et indépendant dans les représentations apprises.
Encodage variationnel amorti
Processus où l'inférence variationnelle est effectuée par un réseau neuronal qui apprend à mapper directement les données vers les paramètres de la distribution postérieure.
Reconstruction contrôlée
Capacité du Beta-VAE à reconstruire fidèlement les données tout en maintenant une structure latente désenchevêtrée grâce au compromis régulé par le paramètre beta.
Trade-off biais-variance latente
Compromis fondamental dans les Beta-VAE entre la capacité de l'espace latent (variance) et la contrainte de régularisation (biais) vers une distribution simple.
Génération conditionnelle latente
Processus de génération de nouvelles données en manipulant sélectivement les dimensions de l'espace latent désenchevêtré pour contrôler les attributs souhaités.