Самокерований Трансформер Бачення
Самокерований Трансформер Бачення (SSL-ViT) застосовує цілі самокерованого попереднього навчання — такі як передбачення маскованих ділянок (MAE) або самодистиляція без міток (DINO) — до архітектури Трансформера Бачення, що дозволяє вивчати потужні візуальні представлення з великих нерозмічених корпусів зображень перед будь-яким специфічним для завдання доналаштуванням.
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
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/uk/deep-learning/self-supervised-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.
- Vision Transformer з доналаштуваннямГлибоке навчання↔ compare
- Мультимодальний трансформер баченняГлибоке навчання↔ compare
- Згорточна нейронна мережа із самоконтролемГлибоке навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →