Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Co-attention Mechanism
Architecture d'attention bidirectionnelle où deux modalités s'attendent mutuellement simultanément, permettant une interaction symétrique et une compréhension croisée des informations.
Fusion Attention
Technique d'attention qui combine dynamiquement les représentations de différentes modalités en apprenant des poids de fusion contextuels pour chaque point de données.
Self-Attention Multimodal
Mécanisme où chaque élément d'une modalité calcule son importance relative par rapport à tous les autres éléments, y compris ceux d'autres modalités dans l'espace joint.
Bilinear Attention
Méthode d'attention utilisant des transformations bilinéaires pour modéliser les interactions complexes entre paires de modalités et capturer des relations non-linéaires.
Attention Alignment
Processus d'alignement sémantique entre segments de différentes modalités en utilisant des cartes d'attention pour identifier les correspondances spatiales ou temporelles.
Modality-specific Attention
Mécanisme d'attention adapté aux caractéristiques intrinsèques de chaque modalité, utilisant des paramètres distincts pour optimiser la sélection d'informations selon le type de données.
Dynamic Attention Weighting
Système d'ajustement automatique des poids d'attention en temps réel basé sur la pertinence contextuelle et la confiance des informations multimodales pour chaque input.
Multi-head Cross-modal Attention
Extension de l'attention multi-tête où chaque tête se spécialise dans la capture de différents types de relations intermodales pour une représentation plus riche et diversifiée.
Attention Bottleneck
Couche d'attention qui force la compression sélective des informations multimodales en un vecteur de dimension fixe, préservant uniquement les caractéristiques les plus pertinentes.
Gated Multimodal Attention
Mécanisme utilisant des portes d'apprentissage pour contrôler sélectivement le flux d'information entre modalités, permettant une régulation fine de l'intégration multimodale.
Adaptive Attention Networks
Réseaux de neurones qui ajustent dynamiquement leur stratégie d'attention en fonction de la qualité et de la disponibilité des informations de chaque modalité.
Attention Fusion Layer
Couche spécialisée qui combine les sorties de multiples mécanismes d'attention multimodaux en utilisant des poids appris pour optimiser la représentation finale.
Sparse Cross-modal Attention
Variante d'attention intermodale qui ne se concentre que sur les sous-ensembles les plus pertinents de caractéristiques, réduisant la complexité computationnelle tout en préservant les relations importantes.
Temporal Multimodal Attention
Mécanisme d'attention spécialisé dans la modélisation des dépendances temporelles entre modalités synchronisées ou désynchronisées dans des données séquentielles.
Attention-guided Feature Selection
Processus où les poids d'attention servent de guide pour sélectionner dynamiquement les caractéristiques les plus informatives de chaque modalité avant la fusion.