Samo-dohledový variační autoenkodér
Samo-dohledový variační autoenkodér (SS-VAE) kombinuje generativní učení latentního prostoru standardního VAE s předtextovými úlohami samo-dohledu — jako je kontrastní augmentace, maskovaná rekonstrukce nebo predikce rotace — za účelem učení bohatších, více rozpojených reprezentací z neanotovaných dat bez jakékoli manuální anotace.
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
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-Supervised Learning: Generative or Contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/cs/deep-learning/self-supervised-variational-autoencoder
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.
- Jemně doladěný variační autoenkodérHluboké učení↔ compare
- Generativní adversariální síťHluboké učení↔ compare
- Multimodální variační autoenkodérHluboké učení↔ compare
- Konvoluční neuronová síť se samoučenímHluboké učení↔ compare
- Polo-supervizovaný variační autoenkodérHluboké učení↔ compare
- Variační autoenkodérHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →