ترانسفورمر بینایی چندوجهی
ترانسفورمر بینایی چندوجهی (Multimodal ViT) معماری ترانسفورمر بینایی را گسترش میدهد تا بازنماییها را از چندین وجه — معمولاً تصاویر و متن — با استفاده از مکانیسمهای خودتوجهی (self-attention) و توجه متقابل (cross-attention) به صورت مشترک پردازش و همتراز کند. با یادگیری فضاهای جاسازی مشترک یا همتراز در بین وجهها، این مدل وظایفی مانند پاسخگویی بصری به پرسش، بازیابی تصویر-متن، زمینهسازی بصری، و شرحنویسی تصویر را ممکن 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.
+1 more
منابع
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). link ↗
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multimodal Vision Transformer (Multimodal ViT). ScholarGate. https://scholargate.app/fa/deep-learning/multimodal-vision-transformer
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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- ویژن ترنسفورمر تنظیمشده (Fine-Tuned Vision Transformer)یادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- طبقهبندی چندوجهی مبتنی بر BERTیادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →