Machine learningDeep learning / NLP / CV
도메인 적응형 변이형 오토인코더
도메인 적응형 변이형 오토인코더(DA-VAE)는 표준 VAE 프레임워크를 확장하여 도메인별 변이와 클래스 관련 및 도메인 불변 콘텐츠를 분리하는 분리된 잠재 표현을 학습하며, 이를 통해 소스 도메인에서 학습된 모델이 제한적이거나 레이블이 없는 대상 도메인에 효과적으로 일반화할 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Ilse, M., Tomczak, J. M., Louizos, C., & Welling, M. (2020). DIVA: Domain Invariant Variational Autoencoders. Proceedings of the Third Conference on Medical Imaging with Deep Learning (MIDL 2020), PMLR 121, 322–348. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. Proceedings of the 2nd International Conference on Learning Representations (ICLR 2014). link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-Adaptive Variational Autoencoder (DA-VAE). ScholarGate. https://scholargate.app/ko/deep-learning/domain-adaptive-variational-autoencoder
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →