Multimodal GAN
Multimodal GAN adalah jaringan generatif adversarial yang dikondisikan pada — atau secara bersamaan belajar lintas — lebih dari satu modalitas data (misalnya, deskripsi teks, gambar, audio, atau data terstruktur). Dengan menggabungkan informasi dari berbagai sumber, generator dapat menghasilkan keluaran realistis yang mematuhi batasan lintas-modal, memungkinkan tugas-tugas seperti sintesis teks-ke-gambar, generasi audio-dari-gambar, dan imputasi modalitas gabungan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Reed, S., Akata, Z., Yan, X., Logeswaran, L., Schiele, B., & Lee, H. (2016). Generative adversarial text to image synthesis. Proceedings of the 33rd International Conference on Machine Learning (ICML), PMLR 48, 1060–1069. link ↗
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems (NeurIPS), 27. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multimodal Generative Adversarial Network. ScholarGate. https://scholargate.app/id/deep-learning/multimodal-gan
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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Model Difusi MultimodalPembelajaran Mendalam↔ compare
- Transformer MultimodalPembelajaran Mendalam↔ compare
- Variational Autoencoder MultimodalPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →