直接看paper看得云里雾里，李沐视频一语道破天机（建议从30min左右开始看GAN到Diffusion的串讲）。VAE的核心思路就是下面：

        做生成，其实就是从随机向量（z）到目标图像（x）的过程，那么z就是先验，x就是后验。

        一些博客讲的也挺好的：

VAE的原理和代码实现_vae代码_Zero_to_zero1234的博客-CSDN博客

1、目的

        perform efficient inference and learning in directed probabilistic models（有向概率模型，也就是我们的DL网络）, in the presence of continuous latent variables（连续隐变量z） with intractable prosterior distributions（输出x'）

2、贡献

        重参数（reparameterization） + 极大似然法（maximum likelihood / maximum a posteriori） + 可导变分下界（differentiable variational lower bound，是下界的无偏估计），使得问题可以使用SGD求解

3、方法

        1）基本假设

        从先验分布中采样，从条件概率分布中采样，且两个分布的概率密度函数对任意和z都是可微的。

        2）网络结构

        encoder是，decoder是

        3）优化目标

        极大似然法，使得网络参数下收集的数据集的概率最大，即最大化

                        

        而该式可以被写为

                        

        由于KL散度>=0，因此有

                         

        则就是变分下限

                         

        则我们需要做的就是对这个变分下限进行优化，从而需要求解相对于变分参数和生成参数的微分

        4）算法流程

        5）重参化技巧

                

                但这样的话，先验z缺少可优化参数。因此改写为下面的形式：

                

                

                其中和可以用MLP预测

4、公式推导

        可以参考：

快速推导 VAE 变分自编码器，多种写法，和重要细节 Variational Autoencoder - 知乎