Мультимодальний варіаційний автокодувальник
Мультимодальний варіаційний автокодувальник (MVAE) — це глибока генеративна модель, яка вивчає спільне латентне представлення для двох або більше модальностей даних (наприклад, зображень і підписів) за допомогою об'єднання експертів-добутків (product-of-experts fusion) енкодерів, специфічних для кожної модальності. Це дозволяє здійснювати генерацію та виведення навіть тоді, коли під час тестування спостерігається лише підмножина модальностей.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multimodal Variational Autoencoder (MVAE). ScholarGate. https://scholargate.app/uk/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.
- Генеративно-змагальна мережаГлибоке навчання↔ compare
- Суміш експертівГлибоке навчання↔ compare
- Варіаційний автокодувальникГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →