Masked Visual Modeling (MVM)

Определение

Masked Visual Modeling (MVM) — метод предобучения моделей компьютерного зрения, при котором 15% визуальных патчей изображения маскируются (зашумляются). Модель обучается предсказывать исходное визуальное содержимое замаскированных областей, что позволяет ей понимать структуру и семантику изображений. MVM является аналогом Masked Language Modeling (MLM) из NLP, но для визуальных данных.

Где встречается

• 920. Как работает LayoutLMv3? Почему он лучше, чем просто OCR + BERT, для понимания о

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление