Gå til indholdScholarGate
BibliotekMit bibliotekSkrivebordReview StudioAssistent
Log ind
Multimodal Vision Transformer/Bevis
Metodebevisregistrering

Multimodal Vision Transformer

Multimodal Vision Transformer (Multimodal ViT) extends the Vision Transformer architecture to jointly process and align representations from multiple modalities — typically images and text — using self-attention and cross-attention mechanisms. By learning shared or aligned embedding spaces across modalities, it enables tasks such as visual question answering, image-text retrieval, visual grounding, and image captioning.

Sources recorded, not reviewed

Kilderegistrering

Citater kopieret ordret fra metodens kilderegistrering. Ingen påstandsniveauverifikation er udledt heraf.

Multimodal Vision Transformer (Multimodal ViT)
Taksonomisk metoderegistrering · ml-model / deep-learning
  • Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). · URL
  • Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139. · URL
Åbn fuld metode

Kuraterede påstande

Påstande gemt i bevis-loggen, hver med sin egen vurdering.

Ingen kuraterede påstande endnu

Denne visning opfinder ikke en påstandsvurdering, når loggen ingen har.

Relaterede metoder

Genereret fra metodegrafen og vist som maskinelt foreslåede relationer — ingen bevispåstand er udledt.

Taxonomic bucketBERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFine-Tuned Vision Transformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketImage Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMultimodal BERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Same method familyVision Transformermachine-suggested · Relational suggestion, not evidence.

Bevisstatus

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

Kilder

2 registrerede citater, kopieret fra metodens kilderegistrering.

Handlinger

Åbn metodeside
ScholarGate

Et indholdsfokuseret opslagsbibliotek over forskningsmetoder — hvad hver metode er, hvordan den fungerer, og hvor den kommer fra.

Åbne data (CC-BY)

Opdag

  • Bibliotek
  • Søg i metoder…
  • Gennemse efter fagområde
  • Fagområder
  • Rejse
  • Sammenlign
  • Hvilken metode?

Reference

  • Fagområder
  • Atlas
  • Ordliste
  • Metodologi
  • Filosofi

Arbejdsområde

  • Mit bibliotek
  • Skrivebord
  • Chat

Virksomhed

  • Om
  • Priser
  • Kontakt
  • Foreslå en metode

Posterne er sammenstillet fra publicerede kilder til reference. Det er dit eget ansvar at kontrollere, at oplysningerne er korrekte og egnede til din anvendelse.

© 2026 ScholarGate · Et opslagsbibliotek over forskningsmetoder
  • Privatliv
  • Cookies
  • Vilkår
  • Slet konto