ČVUT DSpace
  • Search DSpace
  • Čeština
  • Login
  • Čeština
  • Čeština
View Item 
  •   ČVUT DSpace
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Doctoral Theses - 13000
  • View Item
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Doctoral Theses - 13000
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Multimodální variační autoenkodér pro generování akcí na základě instrukcí

Multimodal Variational Autoencoder for Instruction-Based Action Generation

Type of document
disertační práce
doctoral thesis
Author
Gabriela Šejnová
Supervisor
Vavrečka Michal
Opponent
Farkaš Igor
Field of study
Umělá inteligence a biokybernetika
Study program
Elektrotechnika a informatika
Institutions assigning rank
oddělení vědy a výzkumu



Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item record
Abstract
Multimodální variační autoenkodéry (VAE) jsou generativní modely umožňující propojení jednotlivých datových vstupů do společné latentní reprezentace, nebo generování jedné modality na základě jiné. Ačkoli bylo navrženo několik variant multimodálních VAE, jejich testování na praktických a reálných úlohách s heterogenními nebo sekvenčními daty bylo doposud velmi omezené. Tato práce nejprve systematicky hodnotí a porovnává existující metody pomocí nového nástroje a datasetu, které umožňují definovat jejich silné a slabé stránky. Dále práce navrhuje a zkoumá různé úpravy VAE, jako je automatické hledání hyperparametrů, inkrementální učení z malého množství dat nebo nově navržený přístup fúze modalit založený na transformerech. Nakonec je vytvořena kolekce simulovaných robotických datasetů obsahujících pokyny v přirozeném jazyce, obrázky a robotické akce, a je použita k ohodnocení současných metod i nově navržených úprav. Celkově práce přispívá k adaptaci multimodálních VAE pro komplexní sekvenční data a otevírá nové možnosti pro jejich použití v reálných aplikacích.
 
Multimodal Variational Autoencoders (VAEs) are powerful generative models, enabling the fusion of various inputs into a joint representation or generation of one modality from another. Although several variants of multimodal VAEs have been proposed, their evaluation in practical real-world applications with heterogenous or sequential data has been limited. This dissertation first systematically evaluates and compares the existing methods on a new benchmarking toolkit and dataset to define their strengths and limitations. Next, several adjustments to the state-of-the-art VAEs are explored such as automatic hyperparameter tuning, incremental few-shot learning or training with the newly proposed transformer-based modality fusion approach. Finally, a collection of simulated robotic datasets comprising natural language instructions, images and robotic actions is created. The datasets are used to evaluate the current methods as well as the proposed adjustments. Overall, the work contributes to the advancement of multimodal VAEs in handling complex sequential data and opens up new possibilities for their use in practical real-world applications.
 
URI
http://hdl.handle.net/10467/120378
View/Open
PLNY_TEXT (12.47Mb)
Collections
  • Disertační práce - 13000 [748]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Useful links

CTU in PragueCentral library of CTUAbout CTU Digital LibraryResourcesStudy and library skillsResearch support

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV