Variational Autoencoder Multimodal
Variational Autoencoder Multimodal (MVAE) adalah model generatif mendalam yang mempelajari representasi laten bersama di berbagai modalitas data — seperti gambar dan keterangan — menggunakan fusi produk-ekspresi dari enkoder spesifik modalitas, memungkinkan generasi dan inferensi bahkan ketika hanya sebagian dari modalitas yang diamati pada waktu pengujian.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/id/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.
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- Campuran PakarPembelajaran Mendalam↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →