تعبیههای جملات چندوجهی
تعبیههای جملات چندوجهی، متن و تصاویر (و گاهی اوقات صدا یا ویدئو) را به یک فضای برداری پیوسته مشترک نگاشت میکنند، به طوری که جفتهای معنایی مرتبط از حالتهای مختلف به یکدیگر نزدیک شوند. این بازنماییها که با اهداف کنتراستی بر روی پیکرههای بزرگ جفتشده آموزش دیدهاند، بازیابی بینوجهی، طبقهبندی بدون نمونه (zero-shot) و استدلال دیداری-زبانی را ممکن میسازند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Sentence Embeddings (Joint Vision-Language Representation Learning). ScholarGate. https://scholargate.app/fa/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 →ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →