Machine learningDeep learning / NLP / CV

Αυτο-επιβλεπόμενος Παραλλακτικός Αυτοκωδικοποιητής

Ένας Αυτο-επιβλεπόμενος Παραλλακτικός Αυτοκωδικοποιητής (SS-VAE) συνδυάζει την παραγωγική μάθηση λανθάνουσας χωρικής απεικόνισης ενός τυπικού VAE με εργασίες προετοιμασίας αυτο-επιβλεπόμενης μάθησης — όπως η αντιθετική αύξηση, η ανακατασκευή με μάσκα ή η πρόβλεψη περιστροφής — για να μάθει πλουσιότερες, πιο διαχωρισμένες αναπαραστάσεις από μη επισημασμένα δεδομένα χωρίς καμία χειροκίνητη επισήμανση.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. In Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link
  2. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Self-supervised Variational Autoencoder (SS-VAE). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateSelf-supervised Variational Autoencoder (Self-supervised Variational Autoencoder (SS-VAE)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/self-supervised-variational-autoencoder · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026