« Architecture à vecteurs sémantiques joints » : différence entre les versions

Version du 21 juillet 2025 à 15:26

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

Español

arquitectura de predicción vectorial semántica conjunta para imágenes

Arquitectura o modelo que aprende creando una representación semántica interna (espacio latente) del mundo externo, lo que permite comparar representaciones abstractas de imágenes. El APPVSJ-I obtiene buenos resultados en varias tareas de visión por ordenador.

Sources

Source : meta

Source: developpez.com

Source: INRIA 101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 18 : / Ligne 18 : @@
 '''I-JEPA'''
+<!--Learns by creating an internal model of the outside world, which compares abstract representations of images (rather than comparing the pixels themselves). I-JEPA delivers strong performance on multiple computer vision tasks, and it’s much more computationally efficient than other widely used computer vision models. The representations learned by I-JEPA can also be used for many different applications without needing extensive fine tuning.-->
-<!--Learns by creating an internal model of the outside world, which compares abstract representations of images (rather than comparing the pixels themselves). I-JEPA delivers strong performance on multiple computer vision tasks, and it’s much more computationally efficient than other widely used computer vision models. The representations learned by I-JEPA can also be used for many different applications without needing extensive fine tuning.-->==Sources==
+==Español==
+''''' arquitectura de predicción vectorial semántica conjunta para imágenes '''''
+''Arquitectura o modelo que aprende creando una representación semántica interna (espacio latente) del mundo externo, lo que permite comparar representaciones abstractas de imágenes. El APPVSJ-I obtiene buenos resultados en varias tareas de visión por ordenador.''
+==Sources==
 [https://ai.facebook.com/blog/yann-lecun-ai-model-i-jepa   Source : meta]
@@ Ligne 26 : / Ligne 32 : @@
 [https://project.inria.fr/bigvisdata/files/2021/01/cours10.pdf  Source: INRIA]
+{{Modèle:101}}
 [[Catégorie:GRAND LEXIQUE FRANÇAIS]]
 [[Catégorie:101]]

« Architecture à vecteurs sémantiques joints » : différence entre les versions