유사도 행렬의 생성 매커니즘의 이해 멀티모달 학습에서 두 데이터 집합 사이의 관계를 파악하는 핵심 도구는 유사도 행렬(Similarity Matrix)입니다. 본 글은 개별 데이터 벡터가 어떻게 행렬로 확장되는지, 그리고 특징 차원이 어떻게 전체 점수판을 형성하는지 차원 분석을 통해 정리합니다. 1. 데이터의 정의 및 차원 학습에 사용되는 이미지와 텍스트 데이터의 차원을 다음과 같이 정의합니다. \( n \): 샘플의 개수 (Batch Size) \( d \): 특징 차원의 수 (Embedding Dimension) 개별 샘플 벡터 각 데이터는 \( d \)차원의 열 벡터로 표현됩니다. \[ x_i \in \mathbb..
🖥️ Computer Vision
2026. 1. 9. 16:30
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- DeepLearning
- fisherconsistency
- 선형대수
- classimbalance
- LossFunction
- 다중세밀도
- GradientScaling
- imbalanceddata
- vlm
- ScientificReports
- CriticV
- GradientDescent
- Optimizer
- 특징융합
- 논문리뷰
- depthwise
- convolution
- tensorflow
- AdamOptimizer
- logitadjustment
- 딥러닝
- separable
- 경량화 모델
- eigenvector
- code
- MobileNet
- MGFA
- PCA
- Focal loss
- Example
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
글 보관함
반응형