Zamaskowane autoenkodery
Zamaskowane autoenkodery (MAE) to podejście uczenia samonadzorowanego, wprowadzone przez He i współpracowników w 2021 roku, które maskuje losowe fragmenty obrazu i trenuje model do rekonstrukcji brakującej zawartości. Adaptując paradygmat maskowanego modelowania języka z NLP do wizji, MAE uczy się bogatych reprezentacji wizualnych poprzez rozwiązywanie trudnego zadania rekonstrukcji bez potrzeby etykiet.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/pl/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.
- Modele dyfuzyjne w przestrzeni utajonejUczenie głębokie↔ compare
- SimCLRUczenie głębokie↔ compare
- Swin TransformerUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →