Red Neuronal de Grafos Multimodal
Una Red Neuronal de Grafos Multimodal (MM-GNN) combina datos de múltiples modalidades —como texto, imágenes y características estructuradas— en una estructura de grafo unificada y aplica paso de mensajes basado en grafos para aprender representaciones conjuntas. Permite el razonamiento relacional a través de fuentes de datos heterogéneas, yendo más allá de lo que pueden capturar los enfoques unimodales o de simple concatenación.
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
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). link ↗
- Zhang, Z., Lin, H., & Zhao, X. (2020). Multimodal Graph Neural Network for Knowledge-Based Visual Question Answering. Information Processing & Management, 57(6), 102382. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/es/deep-learning/multimodal-graph-neural-network
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.
- Redes Neuronales de GrafosAnálisis de redes↔ compare
- Clasificación multimodal basada en BERTAprendizaje profundo↔ compare
- Red Neuronal Convolucional MultimodalAprendizaje profundo↔ compare
- Incrustaciones de Oraciones MultimodalesAprendizaje profundo↔ compare
- Transformador MultimodalAprendizaje profundo↔ compare
- Autoencoder Variacional MultimodalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →