Multimodaalne varieeruv autoenkooder
Multimodaalne varieeruv autoenkooder (MVAE) on sügav genereeriv mudel, mis õpib jagatud latentse representatsiooni kahe või enama andmemodaalsuse – nagu pildid ja pealkirjad – vahel, kasutades modaalsusspetsiifiliste enkoodrite ekspertide liitmist (product-of-experts fusion), mis võimaldab genereerimist ja inferentsi isegi siis, kui testajal on vaadeldav ainult osa modaalsustest.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/et/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.
- Generatiivne võistlev võrkSüvaõpe↔ compare
- Ekspertide seguSüvaõpe↔ compare
- Variational AutoencoderSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →