直接用一个函数完成数据转化，可能会存在困难。例如对机器翻译来说输入和输出的长度是不固定的，二者还可能不相等，因此通过一个中间格式来完成输出与输入的转化。
对于NLP任务，Embedding是从语义空间到向量空间的映射，语义相近的两个词汇在向量空间的位置也比较接近，编码器-解码器网络是一个成功的翻译模型，接受一个序列作为输入，并将序列中的信息编码作为中间表示，解码器将中间表示解码为目标语言。
如上图所示，RNN中的Seq-to-Seq结构，处理机器翻译问题，将原始语言向量输入通过RNN编码为中间形式，后面通过Decoder解码为另一种语言向量序列。
最简单的，PCA在机器学习领域作为一种降维的工具，可以将样本投影在新的坐标系下，相当于一种新的中间表示形式，我们后面用线性回归或者SVM进行分类等任务，这时候机器学习模型扮演解码器的结构，这是一种非自动编码器，需要先人工干预编码，然后训练解码器。
如上图所示，自动编码器（Auto-Encoder，简称AE）是一种特殊的神经网络，用于特征提取和数据降维络。最简单的自动编码器由一个输入层，一个隐含层，一个输出层组成。隐含层的映射充当编码器，输出层的映射充当解码器。训练时编码器对输入向量进行映射，得到编码后的向量；解码器对编码向量进行映射，得到重构后的向量，它是对输入向量的近似。
编码器和解码器同时训练，训练的目标是最小化重构误差，即让重构向量与原始输入向量之间的误差最小化，这与PCA非常类似。因此样本x的标签值就是样本自身。训练完成之后，在预测时只使用编码器而不再需要解码器，编码器的输出结果被进一步使用，用于分类，回归等任务。
Transfuser：多模态领域
如上图所示，模型将图像和雷达信息编码成512长度的一维向量，表示场景语义信息，后面用MLP组合RNN进行解码，预测车辆的行动轨迹。
这种结构，其实就是将CNN产生的局部注意力图用作transformer计算全局注意力，从而达到快速收敛和稳定的效果
SRN-DeblurNet：高质量图像生成
对原图像（带有噪声、低分辨率）编码并解码生成高分辨率去噪图片。
DETR：目标检测
利用CNN和Encoder作为编码器生成中间形式的查询向量，然后通过Decoder解码用来FFN预测目标信息。
利用CNN做预处理的优点是，虽然牺牲了浅层部分的全局注意力，但是CNN特征图可以带来有效的局部信息和较少的噪声（这里的噪声是指无关的像素），我认为是起到一种过滤器的效果。
