Autoencoders Mascarados
Autoencoders Mascarados (MAE) é uma abordagem de aprendizado autossupervisionado introduzida por He et al. em 2021 que mascara patches aleatórios de uma imagem e treina um modelo para reconstruir o conteúdo ausente. Adaptando o paradigma de modelagem de linguagem mascarada da PNL para a visão, o MAE aprende representações visuais ricas resolvendo uma tarefa de reconstrução desafiadora sem a necessidade de rótulos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Masked Autoencoders are Scalable Vision Learners. ScholarGate. https://scholargate.app/pt/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.
- Modelos de Difusão LatenteAprendizado profundo↔ compare
- SimCLRAprendizado profundo↔ compare
- Swin TransformerAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →