Multimodāls GAN
Multimodāls GAN ir ģeneratīvs pretrunīgs tīkls, kas tiek nosacīts — vai kopīgi apmācīts — vairāk nekā vienā datu modalitātē (piemēram, teksta apraksti, attēli, audio vai strukturēti dati). Apvienojot informāciju no vairākiem avotiem, ģenerators var sintezēt reālistiskus rezultātus, kas atbilst starpmodalitāšu ierobežojumiem, ļaujot veikt tādus uzdevumus kā teksta-attēla sintēze, attēla-audio ģenerēšana un kopīgā modalitāšu imputācija.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Reed, S., Akata, Z., Yan, X., Logeswaran, L., Schiele, B., & Lee, H. (2016). Generative adversarial text to image synthesis. Proceedings of the 33rd International Conference on Machine Learning (ICML), PMLR 48, 1060–1069. link ↗
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems (NeurIPS), 27. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multimodal Generative Adversarial Network. ScholarGate. https://scholargate.app/lv/deep-learning/multimodal-gan
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.
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ compare
- Multimodāls difūzijas modelisDziļā mācīšanās↔ compare
- Daudzmodālu TransformersDziļā mācīšanās↔ compare
- Daudzmodāls variāciju autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →