Autoencoders-ka daboolan
Masked Autoencoders (MAE) waa hab is-maamul oo bara qaabka aragga si dib loogu dhiso sawirada ka dib marka inta badan sawirka la qariyo.
Dulmar
By learning to fill in the blanks, the model builds rich visual understanding without any human labels.
quusid qoto dheer
Autoencoders waji-xidhan, oo uu soo bandhigay Kaiming He iyo asxaabtiisa Meta AI sanadka 2021, sawir ka qaad, una kala qaybiya balastar yaryar, oo si aan kala sooc lahayn u qariyaan qayb aad u weyn, badiyaa 75%. Beddeliyaha Aragga wuxuu ka shaqeeyaa kaliya balasmaha muuqda, halka furaha fudud uu isku dayo inuu dib u dhiso pixels-kii asalka ahaa ee kuwa maqan. Sababtoo ah wax badan ayaa qarsoon, moodelku si fudud uma koobi karo pixels dhow waana inuu bartaa qaab dhismeed macno leh, sida qaababka iyo qaybaha shayga. Codeeyaha ka boodista balastarrada la daboolay ayaa ka dhigaya tababarka mid degdeg ah oo xusuus leh. Tababarka hore ka dib, codeeyaha waa la tuuray oo koodhiyaha waxa uu si xoog leh ugu gudbiyaa kala soocida, ogaanshaha, iyo hawlaha kala qaybinta.
Aragtida Farsamada
Khiyaamada muhiimka ah waa asymmetry: codeeyaha culus wuxuu arkaa kaliya 25% ee balastar aan la qarin, halka furaha yar yar uu dib u dhiso inta soo hartay. Boosooyinka waa fidsan yihiin, si toos ah ugu dhexjiraan, oo la siiyay codad meelaysan. Dib-u-dhiska dib-u-dhisku waa qalad labajibaaran yahay oo lagu xisaabiyay kaliya balasmaha daboolan, sida caadiga ah qiimayaasha pixel-ka caadiga ah. Saamiyada waji-xidhka sare waxay ku qasbaan barashada semantic halkii ay ka ahaan lahaayeen isdhexgal heer hoose ah, iyo ka boodidda calaamadaha indho-shareerka ee ku jira koodhiyeyaasha waxay u xisaabiyaan si weyn iyadoo la barbardhigayo sawirka buuxa.
Saamaynta Istiraatijiyadeed
Xawaaraha iyo miisaanka
Visual AI wuxuu si otomaatig ah u samayn karaa baadhista, ogaanshaha, iyo sumadaynta hawlaha miisaanka.
Xulashada dhismayaasha
Kooxaha hal-abuurka leh waxay hindise karaan fikradaha si dhakhso leh iyagoo leh dib-u-eegis buugeed yar.
Kooxda iyo socodka shaqada
Hawlgalladu waxay isticmaali karaan calaamadaha muuqaalka iyo muuqaalka kuwaas oo markii hore adkeyd in la farsameeyo.
Mustaqbalka Maqaarka Autoencoders
Dib-u-dhiska waji-xidhan ee qaabka-MAE-ga ah ayaa noqonaya cunto ka-hortag ah oo aan caadi ahayn dhammaan hababka. Cilmi baadhayaashu waxay ku fidiyeen muuqaal (qarinaya xabadaha wakhtiga hawada sare), spectrograms maqal ah, baadhis caafimaad, iyo sawir-qaadista dayax-gacmeedka, halkaasoo calaamaduhu ku yar yihiin oo qaali yihiin. Ka filo isku-xidhnaan adag oo luqadeed loogu talagalay moodooyinka aasaaska qaab-dhismeedka badan, qalab-dejiyayaal aad u hufan, iyo waji-xidhka la-qabsiga ee bartilmaameedsanaya gobollada macluumaadka. Marka kombuyuutarku sii kordho, tababbarka hore ee waji-xidhka ee ururinta sawirada aan la calaamadayn waa in ay sii wanaajisaa saxnaanta hoose iyada oo la dhimayo ku tiirsanaanta sharraxaadda bini'aadamka ee qaaliga ah.
Dhaqangelinta Adduunka-dhabta ah
Kahortababarka Transformer-ka Aragtida malaayiin sawiro ah oo aan calaamadeysan, ka dibna si wanagsan loogu hagaajinayo kala soocida ImageNet
Tilmaamaha barashada skaannada caafimaad ee aan la calaamadsaneyn (X-rays, MRIs) halkaasoo tafatirka khabiirku uu yahay mid qaali ah oo xaddidan
La qabsiga habka fiidyaha iyada oo la qarinayo balastar wakhtiga bannaan si loo sii tababaro moodooyinka aqoonsiga ficilka (VideoMAE)
Tababarka hore ee dayax gacmeedka iyo sawirka hawada si loo taageero khariidaynta isticmaalka dhulka loona beddelo ogaanshaha iyada oo aan lahayn calaamado gacanta
Khatarta & Dariiqyada Ilaalada
Xuquuqda sawirka iyo ogolaanshaha waxay noqon kartaa khataro sharci ah haddii caddayntu aanay caddayn.
Waxqabadka moodeelku wuu ku kala duwanaan karaa iftiinka, tirakoobka, iyo deegaanka.
Wanaagga beenta ah waxa laga yaabaa inaan la dareemin ilaa xadka kalsoonida aan la kormeerin.
Qorshe Hawleedka Dhaqangelinta
Qeex shuruudaha aqbalida ee saxnaanta, dib u celinta, iyo kharashyada khaladka.
Ku tijaabi xogta ku habboon xaaladaha wax soo saarka dhabta ah.
Ku dar dib u eegis bini'aadamka si aad u hesho kalsoonida hoose ama saameeynta sare.
Lasoco moodeel dhaqaaqa oo dib u cusboonaysii kamarada ama xogta kaydinta ka dib.
Sii wad Sahaminta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Masked Autoencoders quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hagaha xiga
Muse Masked Generative Imaging
Su'aalaha soo noqnoqda
What is Masked Autoencoders?
Masked Autoencoders (MAE) waa hab is-maamul oo bara qaabka aragga si dib loogu dhiso sawirada ka dib marka inta badan sawirka la qariyo. Barashada buuxinta meelaha banaan, moodeelku waxa uu dhisaa fahan muuqaal oo qani ah iyada oo aan lahayn calaamado bini'aadmi ah.
Waa maxay hawsha aasaasiga ah ee is-maamulida ee ku jirta Autoencoder waji-xidhan?
MAE waxay qarisaa baallaha sawirada waxayna ku tababartaa qaabka si ay dib ugu dhisto pixels maqan, uma baahna calaamado bini'aadmi ah.
Qiyaastii waa maxay jajabka dhejiska sawirka ee asalka ah ee MAE caadi ahaan maaskaro?
Maskaxda asalka ah ee MAE waxay daboolaysaa qiyaastii 75% balastarrada, saamiga sare ee ku qasbaya moodalka inuu barto qaab dhismeed macno leh halkii uu ka koobi lahaa deriska.
Waa maxay sababta uu MAE codeeyaha u habeeyo oo kaliya balastar muuqda (aan qarinayn)?
Ku boodista calaamadaha madmadow ee ku jira encoder waxay si weyn u yaraynaysaa xisaabinta iyo xusuusta, maadaama ay maamusho qayb yar oo balastar ah.
Maxaa ku dhacaya codeeyaha ka dib marka la dhammeeyo tababarka hore ee MAE?
Codeeyaha fudud ayaa kaliya loo baahan yahay dib u dhiska inta lagu jiro tababarka ka hor; ka dib codeeyaha la bartay wuxuu u gudbiyaa hawlaha sida ogaanshaha.
Shaqadee khasaaraha ay MAE caadi ahaan u isticmaashaa dib u dhiska?
MAE waxay yaraynaysaa khaladka labajibaaran yahay ee u dhexeeya qiimayaasha pixel ee la saadaaliyay iyo kuwa runta ah, oo lagu xisaabiyay kaliya balasmaha daboolan.