Multimodálny variančný autoenkodér
Multimodálny variančný autoenkodér (MVAE) je hlboký generatívny model, ktorý sa učí zdieľanú latentnú reprezentáciu naprieč dvoma alebo viacerými dátovými modalitami — ako sú obrázky a popisky — pomocou fúzie produktom expertov špecifických pre danú modalitu, čo umožňuje generovanie a inferenciu, aj keď je v čase testovania pozorovaná iba podmnožina modalít.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/sk/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.
- Generatívna protiadverзárna sieťHlboké učenie↔ compare
- Zmes expertovHlboké učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →