Autoencoder Mascherati
Gli Autoencoder Mascherati (MAE) sono un approccio di apprendimento auto-supervisionato introdotto da He et al. nel 2021 che maschera porzioni casuali di un'immagine e addestra un modello a ricostruire il contenuto mancante. Adattando il paradigma di modellazione del linguaggio mascherato dal NLP alla visione, i MAE apprendono ricche rappresentazioni visive risolvendo un compito di ricostruzione impegnativo senza richiedere etichette.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/it/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.
- Modelli di Diffusione LatenteApprendimento profondo↔ compare
- SimCLRApprendimento profondo↔ compare
- Swin TransformerApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →