เปรียบเทียบวิธี

	GAN แบบมีการกำกับดูแลอย่างอ่อน	ตัวเข้ารหัสอัตโนมัติแบบแปรผัน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014–2017	2014
ผู้ริเริ่ม	Odena et al.; building on Goodfellow et al. (2014)	Kingma, D. P. & Welling, M.
ประเภท	Generative model with weak supervision	Deep generative latent-variable model (encoder–decoder)
แหล่งต้นตำรับ	Odena, A., Olah, C., & Shlens, J. (2017). Conditional Image Synthesis with Auxiliary Classifier GANs. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70, 2642–2651.	Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR).
ชื่อเรียกอื่น	WS-GAN, weakly supervised generative adversarial network, label-efficient GAN, semi-labeled GAN	Değişkensel Otokodlayıcı (VAE), VAE, auto-encoding variational Bayes, deep latent variable model
ที่เกี่ยวข้อง	5	5
สรุป	A Weakly Supervised GAN is a generative adversarial network trained with partially labeled, noisily labeled, or coarse-annotation data instead of fully annotated ground truth. It extends the standard GAN framework so that limited supervision guides conditional generation or discriminative learning, enabling high-quality data synthesis and classification in label-scarce settings.	The Variational Autoencoder (VAE) is a deep generative latent-variable model, introduced by Diederik Kingma and Max Welling in 2014, that encodes data as a probability distribution in a latent space and samples from that distribution to generate new examples. It is used for data generation, anomaly detection, and feature learning.