Autoencoders emmascarats
Els autoencoders emmascarats (MAE) són un enfocament d'aprenentatge autosupervisat introduït per He et al. el 2021 que emmascara pegats aleatoris d'una imatge i entrena un model per reconstruir el contingut perdut. Adaptant el paradigma de modelatge de llenguatge emmascarat de PLN a la visió, MAE aprèn representacions visuals riques resolent una tasca de reconstrucció desafiant sense requerir etiquetes.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonts
- He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009). DOI: 10.1109/CVPR52688.2022.01553 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/ca/deep-learning/masked-autoencoders
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.
- Models de difusió latentsAprenentatge profund↔ compare
- SimCLRAprenentatge profund↔ compare
- Swin TransformerAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →