Kingma & Welling (2014) ont introduit l’auto-encodeur variationnel, qui entraîne un encodeur à projeter les données dans un espace latent probabiliste continu et un décodeur à les reconstruire, ce qui permet à la fois la compression et la génération de nouveaux échantillons. Leur apport clé : une méthode pratique pour entraîner ces modèles par descente de gradient (l’astuce de reparamétrisation).
Les VAE ont influencé les méthodes génératives ultérieures et sous-tendent une partie des systèmes modernes, comme les générateurs d’images à diffusion latente.