Multimodal grafnevrale nettverk
Et Multimodal Graph Neural Network (MM-GNN) kombinerer data fra flere modaliteter – som tekst, bilder og strukturerte trekk – til en enhetlig grafstruktur og anvender grafbasert meldingsutveksling for å lære felles representasjoner. Det muliggjør relasjonell resonnering på tvers av heterogene datakilder, og går utover hva unimodale eller enkle konkateneringsmetoder kan fange opp.
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
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). link ↗
- Zhang, Z., Lin, H., & Zhao, X. (2020). Multimodal Graph Neural Network for Knowledge-Based Visual Question Answering. Information Processing & Management, 57(6), 102382. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/no/deep-learning/multimodal-graph-neural-network
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.
- Graf Neurale NettverkNettverksanalyse↔ compare
- Multimodal BERT-basert klassifiseringDyp læring↔ compare
- Multimodal konvolusjonelt nevralt nettverkDyp læring↔ compare
- Multimodale setningsinnleiringerDyp læring↔ compare
- Multimodal transformereDyp læring↔ compare
- Multimodal VariasjonsautoenkoderDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →