« Architecture à vecteurs sémantiques joints » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Architecture ou modèle qui apprend en créant | Architecture ou modèle qui apprend en créant une représentation sémantique interne ([[espace latent]]) du monde extérieur permettant la comparaison de représentations abstraites d’images. L'APPVSJ-I offre de bonnes performances dans la réalisation de plusieurs tâches de [[vision artificielle]]. | ||
== Compléments == | == Compléments == |
Version du 11 janvier 2025 à 20:14
Définition
Architecture ou modèle qui apprend en créant une représentation sémantique interne (espace latent) du monde extérieur permettant la comparaison de représentations abstraites d’images. L'APPVSJ-I offre de bonnes performances dans la réalisation de plusieurs tâches de vision artificielle.
Compléments
L'architecture prédictive à vecteurs sémantiques joints, proposée par la société Meta, serait plus efficace en termes de calcul que d'autres modèles courants de vision artificielle et s'adapterait plus facilement à des situations inconnues.
Français
architecture prédictive à vecteurs sémantiques joints pour les images
APPVSJ-I
modèle prédictif à plongements joints pour les images
APPJ-I
Anglais
image joint embedding predictive architecture
I-JEPA
Sources
Contributeurs: Arianne Arel, Claude Coulombe, Espanol: Jean-Sébastien Zavalone, Patrick Drouin, wiki
