Autoenkoder Variacional Multimodal
Autoenkoderi Variacional Multimodal (MVAE) është një model gjenerues i thellë që mëson një përfaqësim të përbashkët latent në dy ose më shumë modalitete të të dhënave — si imazhe dhe titra — duke përdorur një shkrirje "produkt-i-ekspertësh" të enkoderëve specifikë për modalitetin, duke mundësuar gjenerimin dhe inferencën edhe kur vetëm një nëngrup modalitetesh vëzhgohet në kohën e testimit.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/sq/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.
- Rrjeti kundërshtar gjeneruesMësimi i thellë↔ compare
- Përzierje EkspertëshMësimi i thellë↔ compare
- Autoenkoderi VarioacionalMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →