本文介绍了学习多模态生成模型的四个判定标准，并提出了一种混合专家多模态变分自编码器（MMVAE），用于学习不同模态的生成模型。该模型在图像-语言数据集上展示了其实现四个标准的能力，包括质量和数量两方面的定性和定量分析。