Autoenkoder Bertopeng
Autoenkoder Bertopeng (MAE) adalah pendekatan pembelajaran swa-awasi yang diperkenalkan oleh He et al. pada tahun 2021 yang menutupi petak-petak acak dari sebuah gambar dan melatih model untuk merekonstruksi konten yang hilang. Mengadaptasi paradigma pemodelan bahasa bertopeng dari NLP ke visi, MAE mempelajari representasi visual yang kaya dengan memecahkan tugas rekonstruksi yang menantang tanpa memerlukan label.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/id/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.
- Model Difusi LatenPembelajaran Mendalam↔ compare
- SimCLRPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →