ترجمه فارسی مقاله چه چیزی را در یادگیری متضاد چند حالته تراز کنید؟

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 What to align in multimodal contrastive learning?
عنوان مقاله به فارسی چه چیزی را در یادگیری متضاد چند حالته تراز کنید؟
نویسندگان Benoit Dufumier, Javiera Castillo-Navarro, Devis Tuia, Jean-Philippe Thiran
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Computation and Language,Computer Vision and Pattern Recognition,یادگیری ماشین , هوش مصنوعی , محاسبات و زبان , چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 11 September, 2024; originally announced September 2024. , Comments: 22 pages
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 22 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Humans perceive the world through multisensory integration, blending the information of different modalities to adapt their behavior. Contrastive learning offers an appealing solution for multimodal self-supervised learning. Indeed, by considering each modality as a different view of the same entity, it learns to align features of different modalities in a shared representation space. However, this approach is intrinsically limited as it only learns shared or redundant information between modalities, while multimodal interactions can arise in other ways. In this work, we introduce CoMM, a Contrastive MultiModal learning strategy that enables the communication between modalities in a single multimodal space. Instead of imposing cross- or intra- modality constraints, we propose to align multimodal representations by maximizing the mutual information between augmented versions of these multimodal features. Our theoretical analysis shows that shared, synergistic and unique terms of information naturally emerge from this formulation, allowing us to estimate multimodal interactions beyond redundancy. We test CoMM both in a controlled and in a series of real-world settings: in the former, we demonstrate that CoMM effectively captures redundant, unique and synergistic information between modalities. In the latter, CoMM learns complex multimodal interactions and achieves state-of-the-art results on the six multimodal benchmarks.

چکیده به فارسی (ترجمه ماشینی)

انسانها جهان را از طریق ادغام چند حسی درک می کنند و اطلاعات مربوط به روشهای مختلف را برای تطبیق رفتار خود می آمیزند.یادگیری متضاد یک راه حل جذاب برای یادگیری خودکاردی چند مدلی ارائه می دهد.در واقع ، با در نظر گرفتن هر روش به عنوان یک دیدگاه متفاوت از همان موجودیت ، یاد می گیرد که ویژگی های روشهای مختلف را در یک فضای نمایندگی مشترک تراز کنید.با این حال ، این رویکرد ذاتاً محدود است زیرا فقط اطلاعات به اشتراک گذاشته شده یا زائد بین روشها را می آموزد ، در حالی که تعامل چند حالته می تواند به روش های دیگر ایجاد شود.در این کار ، ما Comm را معرفی می کنیم ، یک استراتژی یادگیری چند حالته متضاد که ارتباط بین روشها را در یک فضای چند مدلی واحد امکان پذیر می کند.به جای تحمیل محدودیت های متقاطع یا داخل ، ما پیشنهاد می کنیم با به حداکثر رساندن اطلاعات متقابل بین نسخه های افزوده این ویژگی های چند مدلی ، بازنمودهای چند مدلی را هماهنگ کنیم.تجزیه و تحلیل نظری ما نشان می دهد که اصطلاحات مشترک ، هم افزایی و منحصر به فرد اطلاعات به طور طبیعی از این فرمولاسیون پدید می آیند و به ما امکان می دهد تعاملات چند مدلی را فراتر از افزونگی تخمین بزنیم.ما Comm را هم در یک سری تنظیمات در دنیای واقعی آزمایش می کنیم: در حالت اول ، ما نشان می دهیم که Comm به طور مؤثر اطلاعات زائد ، منحصر به فرد و هم افزایی بین روشها را ضبط می کند.در حالت دوم ، Comm تعامل پیچیده چند حالته را می آموزد و به نتایج پیشرفته در شش معیار چند مدلی می رسد.

📚 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.