Embeddings multimodale de propoziții
Embedding-urile multimodale de propoziții mapează textul și imaginile (și uneori audio sau video) într-un spațiu vectorial continuu partajat, astfel încât perechile semantic similare din modalități diferite să ajungă aproape una de alta. Antrenate prin obiective contrastive pe corpusuri pereche mari, aceste reprezentări alimentează regăsirea cross-modală, clasificarea zero-shot și raționamentul viziune-limbaj.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), pp. 8748–8763. PMLR. link ↗
- Frome, A., Corrado, G. S., Shlens, J., Bengio, S., Dean, J., Ranzato, M., & Mikolov, T. (2013). DeViSE: A deep visual-semantic embedding model. In Advances in Neural Information Processing Systems (NeurIPS), Vol. 26. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multimodal Sentence Embeddings (Joint Vision-Language Representation Learning). ScholarGate. https://scholargate.app/ro/deep-learning/multimodal-sentence-embeddings
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.
Compare side by side →Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →