[2019-07-18 업데이트: VQ-VAE 및 VQ-VAE-2 섹션 추가.] [2019-07-26 업데이트: TD-VAE 섹션 추가.] 오토인코더(Autoencoder)는 중간에 좁은 병목 계층(bottleneck layer)을 가진 신경망 모델을 사용하여 고차원 데이터를 재구성하기 위해 발명되었습니다(아, 이는 변분 오토인코더(Variational Autoencoder)에는 아마도 사실이 아닐 것이며, 우리는 후속 섹션에서 자세히 조사할 것입니다). 이로 인한 좋은 부수 효과는 차원 축소입니다: 병목 계층은 압축된 잠재 인코딩(latent encoding)을 포착합니다. 이러한 저차원 표현은 다양한 응용 프로그램(예: 검색)에서 임베딩 벡터(embedding vector)로 사용될 수 있으며, 데이터 압축을 돕거나 데이터의 근본적인 생성 요인(generative factors)을 드러낼 수 있습니다.