Selbstüberwachtes Vision Transformer
Selbstüberwachtes Vision Transformer (SSL-ViT) wendet selbstüberwachte Vortrainingsziele – wie Masked Patch Prediction (MAE) oder Self-Distillation ohne Labels (DINO) – auf die Vision Transformer-Architektur an, wodurch leistungsstarke visuelle Repräsentationen aus großen unbeschrifteten Bildkorpora gelernt werden können, bevor ein aufgaben-spezifisches Fine-Tuning erfolgt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/de/deep-learning/self-supervised-vision-transformer
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.
- Feinabgestimmter Vision TransformerDeep Learning↔ compare
- Multimodal Vision TransformerDeep Learning↔ compare
- Selbstüberwachtes Convolutional Neural NetworkDeep Learning↔ compare
- Vision TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →