第一行所展示的就是普通的VAE,它的核心是通过encoder和decoder，将像素空间的图像压缩到一个提取了核心特征的隐变量向量。VQ-VAE的思想是，即使VAE中压缩的这个隐变量中的向量提取了图片中的核心特征信息，但是这些信息仍然可能存在冗余，因此再次提取这个隐变量向量的核心部分特征。