Saltar al contenidoScholarGate
BibliotecaMi bibliotecaEscritorioReview StudioAsistente
Iniciar sesión
Multimodal Vision Transformer/Evidencia
Registro de evidencia del método

Multimodal Vision Transformer

Multimodal Vision Transformer (Multimodal ViT) extends the Vision Transformer architecture to jointly process and align representations from multiple modalities — typically images and text — using self-attention and cross-attention mechanisms. By learning shared or aligned embedding spaces across modalities, it enables tasks such as visual question answering, image-text retrieval, visual grounding, and image captioning.

Sources recorded, not reviewed

Registro de origen

Citas copiadas textualmente del registro de origen del método. No se infiere ninguna verificación a nivel de afirmación de ellas.

Multimodal Vision Transformer (Multimodal ViT)
Registro del método taxonómico · ml-model / deep-learning
  • Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). · URL
  • Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139. · URL
Abrir método completo

Afirmaciones curadas

Afirmaciones persistidas en el libro mayor de evidencia, cada una con su propia evaluación.

Aún no hay afirmaciones curadas

Esta vista no inventa una evaluación de afirmación si el libro mayor no tiene ninguna.

Métodos relacionados

Generado a partir del grafo de métodos y mostrado como relaciones sugeridas por la máquina; no se infiere ninguna afirmación de evidencia.

Taxonomic bucketBERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFine-Tuned Vision Transformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketImage Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMultimodal BERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Same method familyVision Transformermachine-suggested · Relational suggestion, not evidence.

Estado de la evidencia

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

Fuentes

2 citas registradas, copiadas del registro de origen del método.

Acciones

Abrir página del método
ScholarGate

Una biblioteca de referencia centrada en el contenido sobre métodos de investigación: qué es cada uno, cómo funciona y de dónde procede.

Datos abiertos (CC-BY)

Descubrir

  • Biblioteca
  • Buscar métodos…
  • Explorar por campo
  • Campos
  • Itinerario
  • Comparar
  • ¿Qué método?

Referencia

  • Materias
  • Atlas
  • Glosario
  • Metodología
  • Filosofía

Espacio de trabajo

  • Mi biblioteca
  • Escritorio
  • Chat

Empresa

  • Acerca de
  • Precios
  • Contacto
  • Sugerir un método

Las entradas se recopilan a partir de fuentes publicadas con fines de consulta. Verificar la exactitud y la idoneidad de cualquier información para su propio uso sigue siendo su responsabilidad.

© 2026 ScholarGate · Biblioteca de referencia de métodos de investigación
  • Privacidad
Cookies
  • Términos
  • Eliminar cuenta