Autoencoder Variacional Adaptativo al Dominio
Un Autoencoder Variacional Adaptativo al Dominio (DA-VAE) extiende el marco estándar de VAE para aprender representaciones latentes desvinculadas que separan la variación específica del dominio del contenido relevante para la clase e invariante al dominio, permitiendo que los modelos entrenados en un dominio fuente generalicen eficazmente a un dominio objetivo diferente pero relacionado con etiquetas limitadas o nulas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/es/deep-learning/domain-adaptive-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.
- Red Generativa AntagónicaAprendizaje profundo↔ compare
- Aprendizaje por transferenciaAprendizaje automático↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →