« 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 un représentation sémantique interne (représentation latente ou 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]].
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

Source : meta

Source: developpez.com

Source: INRIA