Multimodal Variational Autoencoder
Multimodal Variational Autoencoder (MVAE) เป็นแบบจำลองเชิงกำเนิดเชิงลึก (deep generative model) ที่เรียนรู้การแทนความหมายร่วม (shared latent representation) ในข้อมูลตั้งแต่สองรูปแบบขึ้นไป — เช่น รูปภาพและคำบรรยาย — โดยใช้การรวมกันแบบ product-of-experts ของตัวเข้ารหัสเฉพาะรูปแบบ (modality-specific encoders) ทำให้สามารถสร้างข้อมูลและอนุมานได้แม้ว่าจะสังเกตเห็นเพียงบางส่วนของรูปแบบข้อมูล ณ เวลาทดสอบก็ตาม
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/th/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.
- โครงข่ายปฏิปักษ์เชิงกำเนิดการเรียนรู้เชิงลึก↔ compare
- Mixture of Expertsการเรียนรู้เชิงลึก↔ compare
- ตัวเข้ารหัสอัตโนมัติแบบแปรผันการเรียนรู้เชิงลึก↔ compare