自编码器

AutoencoderAE常用

先把输入压成短向量、再还原回来，借此学到数据要点的网络。

自编码器由编码器和解码器组成：编码器把输入（如一张图片）压缩成低维向量，解码器再从这个向量重建输入，训练目标是让重建结果尽量接近原输入，不需要人工标注。中间向量比输入小，网络被迫只保留最关键的信息，因此常用于降维和特征学习。这个思路在神经网络领域已有几十年历史（LeCun 1987 等）。常见变体有：变分自编码器（VAE）让中间向量服从概率分布，从而能生成新样本；掩码自编码器（MAE）遮住部分输入再重建，用于视觉预训练；VQ-VAE 把向量换成码本里的离散编号。具身智能里，潜在扩散模型、视频分词器、潜在动作模型都靠它把高维数据压进潜在空间再处理。