Itseohjautuva Vision Transformer
Itseohjautuva Vision Transformer (SSL-ViT) soveltaa itseohjautuvia esikoulutustehtäviä – kuten maskattujen kuvapalojen ennustamista (MAE) tai itseohjautuvaa tislausta ilman merkintöjä (DINO) – Vision Transformer -arkkitehtuuriin, mikä mahdollistaa tehokkaiden visuaalisten esitystapojen oppimisen suurista merkitsemättömistä kuvakorpuksista ennen tehtäväkohtaista hienosäätöä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/fi/deep-learning/self-supervised-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.
- Hienosäädetty Vision TransformerSyväoppiminen↔ compare
- Multimodal Vision TransformerSyväoppiminen↔ compare
- Itseohjautuva konvoluutioneuronaaliverkkoSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →