以我的经验，当人们说“完全”卷积时，即使是在做像 ImageNet 分类这样的典型事情时，他们仍然通常指的是具有至少一个最终密集层的网络。

如果我正确理解您的问题，您正在寻找具有一些卷积层的 VAE，其输出与输入大小相同，但是您对如何在解码器中进行上采样以使您从较少的潜在维度变为输出感到困惑与您的输入大小相同。人们通常有几种处理方法，其中两种是反卷积和亚像素（差异描述，良好的反卷积教程）。两者都允许您使用卷积之类的东西来获取输出$d << n$潜在维度并将其上采样为$n$维度输出。

这是一个用 Keras 编写的示例，它使用反卷积层来执行此操作。