Transformer Vizioni Multimodal
Transformer Vizioni Multimodal (Multimodal ViT) shtrin arkitekturën Transformer Vizioni (Vision Transformer) për të përpunuar dhe harmonizuar në mënyrë të përbashkët përfaqësimet nga disa modality – zakonisht imazhe dhe tekst – duke përdorur mekanizma vetë-vëmendjeje (self-attention) dhe kryq-vëmendjeje (cross-attention). Duke mësuar hapësira të përbashkëta ose të harmonizuara të shtresimit (embedding spaces) ndër-modality, ai mundëson detyra të tilla si pyetjet vizuale, nxjerrja e imazheve nga teksti, lokalizimi vizual dhe përshkrimi i imazheve.
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.
+1 more
Burimet
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR). link ↗
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Multimodal Vision Transformer (Multimodal ViT). ScholarGate. https://scholargate.app/sq/deep-learning/multimodal-vision-transformer
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.
- Klasifikimi i bazuar në BERTMësimi i thellë↔ compare
- Vision Transformer i Përshtatur (Fine-Tuned Vision Transformer)Mësimi i thellë↔ compare
- Klasifikimi i imazheveMësimi i thellë↔ compare
- Klasifikimi i bazuar në BERT multimodalMësimi i thellë↔ compare
- Vision TransformerMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →