Multimodaalsed lausengebedid
Multimodaalsed lausengebedid paigutavad teksti ja kujutised (ning mõnikord heli või video) ühisesse pidevasse vektorruumi, nii et erinevatest modaalsustest pärit semantiliselt sarnased paarid satuvad lähestikku. Suurtel paarisandmekogumitel kontrastiivsete eesmärkidega treenitud representatsioonid toetavad modaalsustevahelist otsingut, null-tunnusklassifikatsiooni ja nägemis-keelealast arutlust.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), pp. 8748–8763. PMLR. link ↗
- Frome, A., Corrado, G. S., Shlens, J., Bengio, S., Dean, J., Ranzato, M., & Mikolov, T. (2013). DeViSE: A deep visual-semantic embedding model. In Advances in Neural Information Processing Systems (NeurIPS), Vol. 26. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multimodal Sentence Embeddings (Joint Vision-Language Representation Learning). ScholarGate. https://scholargate.app/et/deep-learning/multimodal-sentence-embeddings
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.
Compare side by side →Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →