Samonadzorowane Vision Transformer
Samonadzorowany Vision Transformer (SSL-ViT) stosuje cele wstępnego uczenia samonadzorowanego — takie jak przewidywanie zamaskowanych fragmentów (MAE) lub samokompilacja bez etykiet (DINO) — do architektury Vision Transformer, umożliwiając uczenie potężnych reprezentacji wizualnych z dużych nieetykietowanych korpusów obrazów przed jakimkolwiek dostrajaniem specyficznym dla zadania.
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.
Źródła
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/pl/deep-learning/self-supervised-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.
- Dostrojony Vision TransformerUczenie głębokie↔ compare
- Multimodal Vision TransformerUczenie głębokie↔ compare
- Samo-nadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →