اکسپرس 24
ترجمه فارسی مقاله ترانسفورماتور Set2Seq: یادگیری جایگشت، بازنمایی‌های آگاهانه‌ی توالی‌های هنری در مجموعه

ترجمه فارسی مقاله ترانسفورماتور Set2Seq: یادگیری جایگشت، بازنمایی‌های آگاهانه‌ی توالی‌های هنری در مجموعه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Set2Seq Transformer: Learning Permutation Aware Set Representations of Artistic Sequences
عنوان مقاله به فارسی ترانسفورماتور Set2Seq: یادگیری جایگشت، بازنمایی‌های آگاهانه‌ی توالی‌های هنری در مجموعه
نویسندگان Athanasios Efthymiou, Stevan Rudinac, Monika Kackovic, Nachoem Wijnberg, Marcel Worring
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 6 August, 2024; originally announced August 2024.
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 600,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We propose Set2Seq Transformer, a novel sequential multiple instance architecture, that learns to rank permutation aware set representations of sequences. First, we illustrate that learning temporal position-aware representations of discrete timesteps can greatly improve static visual multiple instance learning methods that do not regard temporality and concentrate almost exclusively on visual content analysis. We further demonstrate the significant advantages of end-to-end sequential multiple instance learning, integrating visual content and temporal information in a multimodal manner. As application we focus on fine art analysis related tasks. To that end, we show that our Set2Seq Transformer can leverage visual set and temporal position-aware representations for modelling visual artists' oeuvres for predicting artistic success. Finally, through extensive quantitative and qualitative evaluation using a novel dataset, WikiArt-Seq2Rank, and a visual learning-to-rank downstream task, we show that our Set2Seq Transformer captures essential temporal information improving the performance of strong static and sequential multiple instance learning methods for predicting artistic success.

چکیده به فارسی (ترجمه ماشینی)

ما Transformer SET2SEQ ، یک معماری چند نمونه متوالی را پیشنهاد می کنیم ، که یاد می گیرد بازنمایی های مجموعه آگاهانه آگاهانه را رتبه بندی کند.اول ، ما نشان می دهیم که یادگیری بازنمایی های آگاه از موقعیت زمانی از زمان های گسسته می تواند روشهای یادگیری چند نمونه بصری استاتیک را تا حد زیادی بهبود بخشد که موقتی را در نظر نمی گیرند و تقریباً به طور انحصاری در تجزیه و تحلیل محتوای بصری متمرکز می شوند.ما در ادامه مزایای قابل توجهی از یادگیری نمونه متوالی پایان به پایان ، ادغام محتوای بصری و اطلاعات زمانی را به روشی چندمادی نشان می دهیم.به عنوان کاربرد ، ما روی وظایف مرتبط با تجزیه و تحلیل هنرهای زیبا تمرکز می کنیم.برای این منظور ، ما نشان می دهیم که ترانسفورماتور SET2SEQ ما می تواند از مجموعه بصری و بازنمایی های آگاه موقعیت زمانی برای مدل سازی OEUVRES هنرمندان تجسمی برای پیش بینی موفقیت هنری استفاده کند.سرانجام ، از طریق ارزیابی کمی و کیفی گسترده با استفاده از یک مجموعه داده جدید ، Wikiart-Seq2rank و یک کار در پایین دست یادگیری بصری ، ما نشان می دهیم که ترانسفورماتور SET2SEQ ما اطلاعات زمانی اساسی را بهبود می بخشد و عملکرد روشهای یادگیری چند نمونه استاتیک و متوالی را بهبود می بخشد.برای پیش بینی موفقیت هنری.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.