Maskované autoenkodéry
Maskované autoenkodéry (MAE) jsou přístup k učení bez dohledu (self-supervised learning), který představili He et al. v roce 2021. Tato metoda maskuje náhodné části obrazu a trénuje model k rekonstrukci chybějícího obsahu. Adaptací paradigmatu maskovaného jazykového modelování z NLP do oblasti počítačového vidění se MAE učí bohaté vizuální reprezentace řešením náročného rekonstrukčního úkolu bez nutnosti použití štítků.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/cs/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.
- Latent Diffusion ModelsHluboké učení↔ compare
- SimCLRHluboké učení↔ compare
- Swin TransformerHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →