Мультимодальный вариационный автокодировщик
Мультимодальный вариационный автокодировщик (MVAE) — это глубокая генеративная модель, которая изучает общее латентное представление для двух или более модальностей данных (например, изображений и подписей) с использованием слияния методом произведения экспертов (product-of-experts) специфичных для каждой модальности кодировщиков, что позволяет осуществлять генерацию и вывод даже при наблюдении только подмножества модальностей во время тестирования.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/ru/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.
- Генеративно-состязательная сетьГлубокое обучение↔ compare
- Смесь экспертовГлубокое обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →