Autoencoders enmascarados
Los Autoencoders Enmascarados (MAE) son un enfoque de aprendizaje auto-supervisado introducido por He et al. en 2021 que enmascara parches aleatorios de una imagen y entrena un modelo para reconstruir el contenido faltante. Adaptando el paradigma de modelado de lenguaje enmascarado de PNL a la visión, MAE aprende representaciones visuales ricas resolviendo una tarea de reconstrucción desafiante sin requerir etiquetas.
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.
+2 more
Fuentes
- He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009). DOI: 10.1109/CVPR52688.2022.01553 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/es/deep-learning/masked-autoencoders
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.
- Modelos de Difusión LatenteAprendizaje profundo↔ compare
- SimCLRAprendizaje profundo↔ compare
- Swin TransformerAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →