خودرمزگذارِ پوشیده (Masked Autoencoders)
خودرمزگذارِ پوشیده (Masked Autoencoders - MAE) یک رویکرد یادگیری خودنظارتی است که توسط He و همکاران در سال ۲۰۲۱ معرفی شد و با پوشاندنِ تصادفیِ تکههایی از تصویر، مدلی را برای بازسازیِ محتوایِ گمشده آموزش میدهد. با اقتباس از پارادایمِ مدلسازیِ زبانِ پوشیده در پردازشِ زبانِ طبیعی (NLP) به حوزه بینایی، MAE با حلِ یک وظیفه بازسازیِ چالشبرانگیز و بدون نیاز به برچسب، بازنماییهایِ بصریِ غنی را میآموزد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009). DOI: 10.1109/CVPR52688.2022.01553 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/fa/deep-learning/masked-autoencoders
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.
- مدلهای انتشاری نهفتهیادگیری عمیق↔ compare
- سیمسیالآر (SimCLR)یادگیری عمیق↔ compare
- ترنسفورمر سوین (Swin Transformer)یادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →