Multimodal Vision Transformer
Multimodal Vision Transformer (Multimodal ViT) utökar Vision Transformer-arkitekturen för att gemensamt bearbeta och anpassa representationer från flera modaliteter – typiskt bilder och text – med hjälp av self-attention och cross-attention-mekanismer. Genom att lära sig delade eller anpassade inbäddningsrymder över modaliteter möjliggör den uppgifter som visuell frågesvar, bild-text-hämtning, visuell grundning och bildtextning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multimodal Vision Transformer (Multimodal ViT). ScholarGate. https://scholargate.app/sv/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.
- BERT-baserad klassificeringDjupinlärning↔ compare
- Finjusterad Vision TransformerDjupinlärning↔ compare
- BildklassificeringDjupinlärning↔ compare
- Multimodal BERT-baserad klassificeringDjupinlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →