Мультимодальная графовая нейронная сеть
Мультимодальная графовая нейронная сеть (MM-GNN) объединяет данные из нескольких модальностей — таких как текст, изображения и структурированные признаки — в единую графовую структуру и применяет графовое прохождение сообщений для обучения совместных представлений. Она обеспечивает реляционное рассуждение между разнородными источниками данных, выходя за рамки того, что могут уловить унимодальные подходы или простой конкатенации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Kipf, T. N., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. International Conference on Learning Representations (ICLR). link ↗
- Zhang, Z., Lin, H., & Zhao, X. (2020). Multimodal Graph Neural Network for Knowledge-Based Visual Question Answering. Information Processing & Management, 57(6), 102382. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Graph Neural Network (MM-GNN). ScholarGate. https://scholargate.app/ru/deep-learning/multimodal-graph-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.
- Графовая нейронная сетьСетевой анализ↔ compare
- Мультимодальная классификация на основе BERTГлубокое обучение↔ compare
- Мультимодальная сверточная нейронная сетьГлубокое обучение↔ compare
- Мультимодальные вложения предложенийГлубокое обучение↔ compare
- Мультимодальный трансформерГлубокое обучение↔ compare
- Мультимодальный вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →