Autoenkoder Bertopeng
Autoenkoder Bertopeng (MAE) ialah pendekatan pembelajaran kendiri kendiri yang diperkenalkan oleh He et al. pada tahun 2021 yang menopengkan tampalan rawak imej dan melatih model untuk membina semula kandungan yang hilang. Mengadaptasi paradigma pemodelan bahasa bertopeng daripada NLP kepada visi, MAE mempelajari perwakilan visual yang kaya dengan menyelesaikan tugas pembinaan semula yang mencabar tanpa memerlukan label.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/ms/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.
- Model Penyerakan TerpendamPembelajaran Mendalam↔ compare
- SimCLRPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →