Klasifikasi Berbasis BERT Multimodal
Klasifikasi berbasis BERT multimodal memperluas arsitektur transformer BERT untuk bersama-sama mengkodekan dan mengklasifikasikan data dari berbagai modalitas — paling umum teks yang dipasangkan dengan gambar — dengan menggabungkan representasi mereka sebelum kepala klasifikasi akhir. Diperkenalkan secara menonjol sekitar tahun 2019 melalui model seperti MMBT dan ViLBERT, ini telah menjadi pendekatan standar untuk tugas-tugas di mana teks atau gambar saja tidak membawa informasi yang cukup untuk pelabelan yang akurat.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Sumber
- Kiela, D., Bhooshan, S., Firooz, H., Perez, E., & Testuggine, D. (2019). Supervised multimodal bitransformers for classifying images and text. arXiv preprint arXiv:1909.02950. 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, 32. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multimodal BERT-based Classification (Transformer Fusion of Text and Non-text Modalities). ScholarGate. https://scholargate.app/id/deep-learning/multimodal-bert-based-classification
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.
- CLIPPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →