Multimodal GAN
En Multimodal GAN er et generativt adversarialt netværk, der betinges af – eller lærer simultant på tværs af – mere end én datamodalitet (f.eks. tekstbeskrivelser, billeder, lyd eller strukturerede data). Ved at fusionere information fra flere kilder kan generatoren syntetisere realistiske output, der respekterer tværmodale begrænsninger, hvilket muliggør opgaver som tekst-til-billede-syntese, billede-til-lyd-generering og imputation af fælles modaliteter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Reed, S., Akata, Z., Yan, X., Logeswaran, L., Schiele, B., & Lee, H. (2016). Generative adversarial text to image synthesis. Proceedings of the 33rd International Conference on Machine Learning (ICML), PMLR 48, 1060–1069. link ↗
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems (NeurIPS), 27. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multimodal Generative Adversarial Network. ScholarGate. https://scholargate.app/da/deep-learning/multimodal-gan
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.
- Generativ modstridende netværkDyb læring↔ compare
- Multimodal DiffusionsmodelDyb læring↔ compare
- Multimodal TransformerDyb læring↔ compare
- Multimodal Variational AutoencoderDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →