Мультимодальные вложения предложений
Мультимодальные вложения предложений отображают текст и изображения (а иногда аудио или видео) в общее непрерывное векторное пространство, так что семантически связанные пары из разных модальностей оказываются близко друг к другу. Обученные с помощью контрастивных целей на больших парных корпусах, эти представления обеспечивают кросс-модальный поиск, классификацию с нулевым числом примеров и рассуждения на основе зрения и языка.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Sentence Embeddings (Joint Vision-Language Representation Learning). ScholarGate. https://scholargate.app/ru/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 →Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →