Multimodal GAN
En Multimodal GAN er et generativt motsetningsnettverk (generative adversarial network, GAN) som betinges på – eller lærer samlet på tvers av – mer enn én datamodalitet (f.eks. tekstbeskrivelser, bilder, lyd eller strukturerte data). Ved å fusjonere informasjon fra flere kilder, kan generatoren syntetisere realistiske utdata som respekterer kryssmodale begrensninger, noe som muliggjør oppgaver som tekst-til-bilde-syntese, bilde-til-lyd-generering og felles modalitetsimputasjon.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multimodal Generative Adversarial Network. ScholarGate. https://scholargate.app/no/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.
- Generativt motsetningsnettverkDyp læring↔ compare
- Multimodal diffusjonsmodellDyp læring↔ compare
- Multimodal transformereDyp læring↔ compare
- Multimodal VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →