Apslēptie autoenkoderi
Apslēptie autoenkoderi (MAE) ir pašuzraudzītas mācīšanās pieeja, ko 2021. gadā ieviesa He et al. Tā maskē attēlu nejaušus apgabalus un apmāca modeli trūkstošā satura rekonstrukcijai. Pielāgojot maskētās valodu modelēšanas paradigmu no NLP uz vizuālo jomu, MAE apgūst bagātīgas vizuālās reprezentācijas, risinot sarežģītu rekonstrukcijas uzdevumu bez nepieciešamības pēc etiķetēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
+vēl 2
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/lv/deep-learning/masked-autoencoders
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Latent Diffusion ModelsDziļā mācīšanās↔ salīdzināt
- SimCLRDziļā mācīšanās↔ salīdzināt
- Swin TransformerDziļā mācīšanās↔ salīdzināt
- Vision TransformerDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →