Višeslojni (Multimodalni) varijacijski autoenkoder
Višeslojni varijacijski autoenkoder (MVAE) duboki je generativni model koji uči zajedničku latentnu reprezentaciju preko dvije ili više podatkovnih modaliteta — kao što su slike i natpisi — koristeći fuziju specifičnih enkoderâ za svaki modalitet metodom umnoška eksperata (product-of-experts), omogućujući generiranje i zaključivanje čak i kada je samo podskup modaliteta promatran u vrijeme testiranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/hr/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.
- Generativna suparnička mrežaDuboko učenje↔ compare
- Mješavina stručnjakaDuboko učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →