ScholarGate
Asszisztens

Módszerek összehasonlítása

Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.

Multimodális RoBERTa-alapú osztályozás×Multimodális transzformer×
TudományterületMélytanulásMélytanulás
MódszercsaládMachine learningMachine learning
Keletkezés éve2019–20202019–2021
MegalkotóLiu et al. (RoBERTa); multimodal extension by communityLu et al. (ViLBERT); Radford et al. (CLIP)
TípusMultimodal text + auxiliary feature classificationCross-modal attention-based deep learning model
AlapműLiu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link ↗Lu, J., Batra, D., Parikh, D., & Lee, S. (2019). ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Tasks. Advances in Neural Information Processing Systems (NeurIPS), 32. link ↗
Alternatív nevekMultimodal RoBERTa, RoBERTa multimodal classifier, cross-modal RoBERTa classification, MM-RoBERTamultimodal attention model, cross-modal transformer, vision-language transformer, multi-modal fusion transformer
Kapcsolódó65
ÖsszefoglalóMultimodal RoBERTa-based Classification combines the RoBERTa transformer encoder — a robustly optimised variant of BERT — with auxiliary modalities such as images, structured metadata, or tabular features. The fused representation is passed to a classification head, allowing the model to leverage both rich language understanding and non-textual signals simultaneously.A Multimodal Transformer extends the standard Transformer architecture to process and jointly reason over two or more input modalities — most commonly text and images, but also audio, video, or structured data. Cross-modal attention layers allow information from one modality to inform representations in another, enabling tasks such as visual question answering, image captioning, and multimodal sentiment analysis.
ScholarGateAdatkészlet
  1. v1
  2. 2 Források
  3. PUBLISHED
  1. v1
  2. 2 Források
  3. PUBLISHED

Ugrás a kereséshez Diák letöltése

ScholarGateMódszerek összehasonlítása: Multimodal RoBERTa-based Classification · Multimodal Transformer. Letöltve 2026-06-17, forrás: https://scholargate.app/hu/compare