Rede Neural Recorrente Multimodal
Uma Rede Neural Recorrente Multimodal combina entradas de duas ou mais modalidades de dados — como imagens, texto e áudio — dentro de um quadro de processamento de sequências recorrentes. Ela codifica cada modalidade separadamente, funde as representações e, em seguida, processa o sinal combinado através de unidades recorrentes (RNN, LSTM ou GRU) para gerar ou classificar saídas sequenciais. Este projeto a tornou uma abordagem fundamental em legendagem de imagens, descrição de vídeos e reconhecimento de fala audiovisual.
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.
Fontes
- Vinyals, O., Toshev, A., Bengio, S., & Erhan, D. (2015). Show and Tell: A Neural Image Caption Generator. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3156–3164. DOI: 10.1109/CVPR.2015.7298935 ↗
- Ngiam, J., Khosla, A., Kim, M., Nam, J., Lee, H., & Ng, A. Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning (ICML), pp. 689–696. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Multimodal Recurrent Neural Network (MM-RNN). ScholarGate. https://scholargate.app/pt/deep-learning/multimodal-recurrent-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.
- Unidade Recorrente Gated (GRU)Aprendizado profundo↔ compare
- Long Short-Term Memory (LSTM)Aprendizado profundo↔ compare
- Classificação Multimodal Baseada em BERTAprendizado profundo↔ compare
- Rede Neural Convolucional MultimodalAprendizado profundo↔ compare
- Transformer MultimodalAprendizado profundo↔ compare
- Rede Neural RecorrenteAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →