iPAS 考題解析下列哪一項最正確地描述了VAE（Variational Autoencoder）、GAN（Generative Adversarial Network）與擴散模型（Diffusion Model）在多模態潛在空間對齊（Latent Alignment）與生成策略上的根本差異？
你的作答
在題目頁作答不會存進學習紀錄，想留下紀錄可以到題庫練習。
解析
正確答案：A. VAE透過顯式潛在變數建模實現跨模態對齊，適合捕捉整體語意結構但生成解析度有限；GAN透過對抗損失（Adversarial Loss）在不同模態間學習分佈映射，生成品質高但穩定性差；擴散模型則以條件化噪聲反推（Conditional Denoising）方式實現高保真跨模態生成，兼具穩定性與多樣性
VAE通過變分後驗建立顯式連續潛在空間，適合語意對齊但解析度受限；GAN以對抗訓練學習分佈映射，生成品質高但訓練不穩定；擴散模型以逐步去噪為生成機制，在條件化設定下兼具穩定性和高品質多樣性，三者設計理念根本不同。
每個選項為什麼對或錯
-
A VAE透過顯式潛在變數建模實現跨模態對齊，適合捕捉整體語意結構但生成解析度有限；GAN透過對抗損失（Adversarial Loss）在不同模態間學習分佈映射，生成品質高但穩定性差；擴散模型則以條件化噪聲反推（Conditional Denoising）方式實現高保真跨模態生成，兼具穩定性與多樣性 正解
正確描述了三種生成模型的設計差異：VAE顯式潛在建模、GAN對抗損失、擴散模型條件去噪。
-
B VAE與Diffusion Model均屬隱式生成架構，主要依賴對抗式訓練實現跨模態對齊；GAN則以顯式後驗估計方式提升樣本一致性 錯誤選項
VAE是顯式生成架構，不依賴對抗訓練；GAN也不使用顯式後驗估計，描述錯誤。
-
C VAE與GAN均使用馬爾可夫鏈（Markov Chain）進行跨模態轉換；Diffusion Model則透過KL散度最小化學習語意對應 錯誤選項
VAE和GAN都不使用馬爾可夫鏈；KL散度最小化是VAE的特徵，非擴散模型，描述錯誤。
-
D 三者在多模態應用中皆依賴同一潛在表徵空間（Shared Latent Space），僅在解碼器結構上不同而已 錯誤選項
三者的潛在空間設計和訓練機制根本不同，並非只在解碼器上有差異。
答案、題目或解析有問題？回報這題