پرش به محتواScholarGate
کتابخانهکتابخانهٔ منمیزReview Studioدستیار
ورود
Multimodal Vision Transformer/مدرک
سوابق شواهد روش

Multimodal Vision Transformer

Multimodal Vision Transformer (Multimodal ViT) extends the Vision Transformer architecture to jointly process and align representations from multiple modalities — typically images and text — using self-attention and cross-attention mechanisms. By learning shared or aligned embedding spaces across modalities, it enables tasks such as visual question answering, image-text retrieval, visual grounding, and image captioning.

Sources recorded, not reviewed

سوابق منبع

استنادات عیناً از سوابق منبع روش کپی شده‌اند. هیچ تأیید در سطح ادعا از آن‌ها استنباط نمی‌شود.

Multimodal Vision Transformer (Multimodal ViT)
سوابق روش طبقه‌بندی · ml-model / deep-learning
  • 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). · URL
  • 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. · URL
باز کردن روش کامل

ادعاهای گزینش‌شده

ادعاها در دفتر ثبت شواهد ذخیره شده‌اند، هر کدام با ارزیابی خاص خود.

هنوز ادعای گزینش‌شده‌ای وجود ندارد

این نما در صورت عدم وجود ارزیابی ادعا در دفتر ثبت، ادعایی ابداع نمی‌کند.

روش‌های مرتبط

از گراف روش تولید شده و به عنوان روابط پیشنهادی ماشین نمایش داده می‌شود — هیچ ادعای مدرکی استنباط نمی‌شود.

Taxonomic bucketBERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFine-Tuned Vision Transformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketImage Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMultimodal BERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Same method familyVision Transformermachine-suggested · Relational suggestion, not evidence.

وضعیت مدرک

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

منابع

2 استناد ثبت‌شده، کپی‌شده از سوابق منبع روش.

اقدامات

باز کردن صفحه روش
ScholarGate

کتابخانه‌ای مرجع و محتوامحور برای روش‌های پژوهش — هر روش چیست، چگونه کار می‌کند و از کجا آمده است.

دادهٔ باز (CC-BY)

کاوش

  • کتابخانه
  • جست‌وجوی روش‌ها…
  • مرور بر اساس حوزه
  • حوزه‌ها
  • مسیر پژوهش
  • مقایسه
  • کدام روش؟

مرجع

  • موضوعات
  • اطلس
  • واژه‌نامه
  • روش‌شناسی
  • فلسفه

فضای کاری

  • کتابخانهٔ من
  • میز
  • گفتگو

شرکت

  • درباره
  • قیمت‌گذاری
  • تماس
  • پیشنهاد روش

مدخل‌ها برای ارجاع از منابع منتشرشده گردآوری شده‌اند. راستی‌آزمایی درستی و مناسب‌بودن هر اطلاعاتی برای استفادهٔ شما، بر عهدهٔ خودتان است.

© 2026 ScholarGate · کتابخانهٔ مرجع روش‌های پژوهش
  • حریم خصوصی
  • کوکی‌ها
  • شرایط استفاده
  • حذف حساب