เปรียบเทียบวิธี

	Domain-Adaptive Variational Autoencoder	โครงข่ายปฏิปักษ์เชิงกำเนิด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2020	2014
ผู้ริเริ่ม	Ilse, M.; Tomczak, J. M.; Louizos, C.; Welling, M.	Goodfellow, I. et al.
ประเภท	Generative model with domain adaptation	Generative deep learning (adversarial two-network game)
แหล่งต้นตำรับ	Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348.	Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS.
ชื่อเรียกอื่น	DA-VAE, domain-adaptive VAE, domain-conditioned variational autoencoder, cross-domain VAE	Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network
ที่เกี่ยวข้อง	3	4
สรุป	A Domain-Adaptive Variational Autoencoder (DA-VAE) extends the standard VAE framework to learn disentangled latent representations that separate domain-specific variation from class-relevant and domain-invariant content, enabling models trained on a source domain to generalise effectively to a different but related target domain with limited or no target labels.	A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation.