Multimodale Vision Transformer
Multimodale Vision Transformer (Multimodale ViT) breidt de Vision Transformer-architectuur uit om representaties van meerdere modaliteiten – doorgaus beelden en tekst – gezamenlijk te verwerken en uit te lijnen met behulp van self-attention en cross-attention mechanismen. Door gedeelde of uitgelijnde embeddingruimtes over modaliteiten heen te leren, maakt het taken mogelijk zoals visuele vraagbeantwoording, beeld-tekst retrieval, visuele grounding en beeldcaptioning.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Bronnen
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). link ↗
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multimodal Vision Transformer (Multimodal ViT). ScholarGate. https://scholargate.app/nl/deep-learning/multimodal-vision-transformer
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.
- BERT-gebaseerde ClassificatieDeep learning↔ compare
- Fijn-afgestelde Vision TransformerDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- Multimodale BERT-gebaseerde classificatieDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →