خودرمزگذار متغیر چندوجهی
خودرمزگذار متغیر چندوجهی (MVAE) یک مدل مولد عمیق است که یک نمایش نهفته مشترک را در دو یا چند وجه داده - مانند تصاویر و زیرنویسها - با استفاده از ترکیب خبرگان-محصول از رمزگذارهای مخصوص وجه، یاد میگیرد و تولید و استنتاج را حتی زمانی که تنها زیرمجموعهای از وجهها در زمان آزمون مشاهده میشوند، امکانپذیر میسازد.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/fa/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.
- شبکه مولد تخاصمییادگیری عمیق↔ compare
- ترکیبی از متخصصانیادگیری عمیق↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →