تضمينات الجمل متعددة الوسائط
تقوم تضمينات الجمل متعددة الوسائط برسم خرائط للنصوص والصور (وأحيانًا الصوت أو الفيديو) في فضاء متجه مستمر مشترك، بحيث تتقارب الأزواج المرتبطة دلاليًا من الوسائط المختلفة. تُدرّب هذه التمثيلات بواسطة أهداف تباينية على مجموعات كبيرة من المدونات المقترنة، وتدعم الاسترجاع متعدد الوسائط، والتصنيف الصفري، والاستدلال البصري اللغوي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), pp. 8748–8763. PMLR. link ↗
- Frome, A., Corrado, G. S., Shlens, J., Bengio, S., Dean, J., Ranzato, M., & Mikolov, T. (2013). DeViSE: A deep visual-semantic embedding model. In Advances in Neural Information Processing Systems (NeurIPS), Vol. 26. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Multimodal Sentence Embeddings (Joint Vision-Language Representation Learning). ScholarGate. https://scholargate.app/ar/deep-learning/multimodal-sentence-embeddings
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →