Variational Autoencoder Multimodal
Variational Autoencoderul Multimodal (MVAE) este un model generativ profund care învață o reprezentare latentă comună între două sau mai multe modalități de date — cum ar fi imagini și legende — utilizând o fuziune de tip produs-al-experților a codificatoarelor specifice modalității, permițând generarea și inferența chiar și atunci când doar un subset de modalități este observat la momentul testării.
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
- Wu, M., & Goodman, N. (2018). Multimodal Generative Models for Scalable Weakly-Supervised Learning. Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR). link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/ro/deep-learning/multimodal-variational-autoencoder
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.
- Rețea Generativă AdversarialÎnvățare profundă↔ compare
- Amestec de ExperțiÎnvățare profundă↔ compare
- Autoencoder VariaționalÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →