Masked Autoencoders
Masked Autoencoders (MAE) je pristup samostalnog nadziranog učenja (self-supervised learning) koji su He et al. predstavili 2021. godine, a koji maskira slučajne dijelove slike (patch) i trenira model za rekonstrukciju nedostajućeg sadržaja. Prilagođavajući paradigmu maskiranog jezičnog modeliranja iz područja obrade prirodnog jezika (NLP) na područje računalnog vida, MAE uči bogate vizualne reprezentacije rješavanjem izazovnog zadatka rekonstrukcije bez potrebe za oznakama (labels).
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Izvori
- He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009). DOI: 10.1109/CVPR52688.2022.01553 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/hr/deep-learning/masked-autoencoders
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.
- Latent Diffusion ModelsDuboko učenje↔ compare
- SimCLRDuboko učenje↔ compare
- Swin TransformerDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →