导读
VQ-VAE 学习离散 codebook，将高维输入压缩成可组合的离散表示。DALL·E、VQGAN 与多种 autoregressive image model 都继承了“视觉 token”思路。
查看大图 ↗所链接文献 PDF 的第 4 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Aaron van den Oord; Oriol Vinyals; Koray Kavukcuoglu · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · Neural Discrete Representation Learning ↗档案研究说明
用离散代码表示感知材料
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
VQ-VAE 让编码器输出离散代码，并学习先验，与使用连续潜变量的 VAE 形成区别。论文讨论如何避免强自回归解码器忽略潜变量，并展示图像、视频、语音与说话者转换等用途。这里的代码是学习得到的表示，不是预先定义的艺术风格标签。
本节依据: 神经离散表征学习：VQ-VAE：资料依据
在艺术史中的位置
编者解释：离散表示为后续图像词元和多阶段生成提供比较基础，但不能将一个代码本解释成对视觉文化的中立分类。训练材料与压缩选择决定哪些差异会被保留，哪些会被合并。
本节依据: 神经离散表征学习：VQ-VAE：资料依据
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与VQ-VAE-2：多样且高保真的图像生成之间的制作方法、控制方式或展示语境。
比较本条与驯服 Transformer：VQGAN之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2017 · 来源记录的历史日期：2017
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
出处、翻译与核验状态
主线节点 #093 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 18 · 058
原记日期: 2017
神经离散表征学习：VQ-VAE ↗
Neural Discrete Representation Learning
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 神经离散表征学习：VQ-VAE. 艺术史节点 #093. https://salondesrefuses.cn/zh/art-history/058
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。