Multimodal Word2Vec
Multimodal Word2Vec rozšiřuje klasický rámec Word2Vec tím, že reprezentace slov uzemňuje v percepčních signálech — typicky v obrazových rysech — vedle distribučních textových statistik. Výsledkem jsou vektorová slova, která zachycují jak vzorce lingvistického souběhu, tak vizuální význam, což umožňuje bohatší úsudky o sémantické podobnosti a lepší výkon na úlohách na úrovni konceptů, kde samotné textové vnoření selhává.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Bruni, E., Tran, N.-K., & Baroni, M. (2014). Multimodal Distributional Semantics. Journal of Artificial Intelligence Research, 49, 1–47. DOI: 10.1613/jair.4135 ↗
- Mikolov, T., Sutskever, I., Chen, K., Corrado, G., & Dean, J. (2013). Distributed Representations of Words and Phrases and their Compositionality. Advances in Neural Information Processing Systems (NIPS), 26. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multimodal Word2Vec (Cross-Modal Distributional Semantics). ScholarGate. https://scholargate.app/cs/deep-learning/multimodal-word2vec
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.
- Víceúčelová klasifikace založená na BERTHluboké učení↔ compare
- Multimodální Doc2VecHluboké učení↔ compare
- Vícemodální vnoření vět (Multimodal Sentence Embeddings)Hluboké učení↔ compare
- Multimodální TransformerHluboké učení↔ compare
- Vektorové reprezentace větHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →