Převod textu z obrázku na text
term_id: image_text_to_text
Category: application_paradigms
Definition
Převod textu z obrázku na text označuje modely, které zpracovávají vizuální vstupy spolu s textovými dotazy za účelem produkce souvislých výstupů v přirozeném jazyce. Tyto systémy, často nazývané modely jazyka a vidění (VLM), kombinují…
Summary
Víceúčelová schopnost AI, která generuje textové popisy nebo odpovědi na základě vstupních obrázků a volitelných textových podnětů.
Key Concepts
- Víceúčelové učení
- Odpovídání na otázky založené na obraze
- Popisování obrázků
- Přes-módální pozornost
Use Cases
- Automatické popisování obrázků pro přístupnost
- Systémy pro odpovídání na otázky založené na obraze
- Analýza moderování obsahu