之前的章节已经介绍了自动编码器的核心思想，包括经典结构、正则化 (regularization)方法以及变分自动编码器（VAEs）的生成能力。虽然这些奠定了坚实的基本知识，但要高效处理图像或序列等特定数据类型，或实现特定的潜在空间属性，通常需要针对具体任务调整其结构。

本章将介绍几种此类进阶自动编码器设计。我们将涉及：

• 卷积自动编码器 (CAEs) 专为处理图像等数据中的空间层级结构而优化。
• 循环自动编码器 (RAEs) 适用于时间序列或文本等序列输入。
• 对抗自动编码器 (AAEs) 采用对抗训练，以在潜在空间上施加期望的先验分布。
• 向量 (vector)量化 (quantization)变分自动编码器 (VQ-VAEs) 借助码本，使用离散而非连续的潜在空间。
• 概述与现代序列处理相关的基于 Transformer 的自动编码方法。

对于每种结构，我们将讨论其构建方式，与更简单的自动编码器相比设计修改的缘由，以及其常见的应用范围。还将提及部分选定结构的实际实现细节。