Machine learningDeep learning / NLP / CV
マルチモーダルLDAトピックモデル
Multimodal LDAは、単一の確率的トピックフレームワーク内で、複数のデータモダリティ（最も一般的なのはテキストと画像）を共同でモデル化するために、Latent Dirichlet Allocation（潜在ディリクレ配分法）を拡張したものである。各文書またはデータインスタンスは、モダリティ間で共有される潜在トピックの混合として表現され、モデルが視覚的および言語的コンテンツを同時に整合させる一貫性のあるテーマを発見することを可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Blei, D. M. & Jordan, M. I. (2003). Modeling annotated data. Proceedings of the 26th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 127–134. DOI: 10.1145/860435.860460 ↗
- Barnard, K., Duygulu, P., Forsyth, D., de Freitas, N., Blei, D. M. & Jordan, M. I. (2003). Matching words and pictures. Journal of Machine Learning Research, 3, 1107–1135. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Multimodal Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/multimodal-lda-topic-model
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.
- LDAトピックモデル深層学習↔ compare
- マルチモーダルBERTベース分類深層学習↔ compare
- マルチモーダル・トピックモデリング深層学習↔ compare
- マルチモーダル・トランスフォーマー深層学習↔ compare
- NMFトピックモデル深層学習↔ compare
- トピックモデリング深層学習↔ compare