多様なモダリティを持つ生成モデルの学習: 置換不変なエンコーダーと厳密な変分下界

本論文では、多様なモダリティを持つデータに対して、置換不変なエンコーダーを用いた新しい変分下界を提案する。これにより、より柔軟な多モーダル集約スキームを実現し、真の結合分布をより良く近似できるようになる。