Autoencoder Variacional Multimodal
El Autoencoder Variacional Multimodal (MVAE) es un modelo generativo profundo que aprende una representación latente compartida entre dos o más modalidades de datos —como imágenes y leyendas— utilizando una fusión de producto de expertos de codificadores específicos de la modalidad, lo que permite la generación y la inferencia incluso cuando solo se observa un subconjunto de modalidades en tiempo de prueba.
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
- Wu, M., & Goodman, N. (2018). Multimodal Generative Models for Scalable Weakly-Supervised Learning. Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/es/deep-learning/multimodal-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
- Mezcla de ExpertosAprendizaje profundo↔ compare
- Autoencoder VariacionalAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →