Vision Transformer Autocontrolado
El Vision Transformer Autocontrolado (SSL-ViT) aplica objetivos de preentrenamiento autocontrolado —como la predicción de parches enmascarados (MAE) o la autodestilación sin etiquetas (DINO)— a la arquitectura Vision Transformer, permitiendo aprender representaciones visuales potentes a partir de grandes corpus de imágenes sin etiquetar antes de cualquier ajuste fino específico para una tarea.
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
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/es/deep-learning/self-supervised-vision-transformer
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.
- Vision Transformer (ViT) de ajuste finoAprendizaje profundo↔ compare
- Multimodal Vision TransformerAprendizaje profundo↔ compare
- Red Neuronal Convolucional AutosupervisadaAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →