Vícemodální
term_id: multimodal
Category: application_paradigms
Definition
Vícemodální systémy AI integrují informace z různých senzorických vstupů, aby vytvořily komplexnější chápání světa. Na rozdíl od unimodálních modelů omezených na jeden typ dat, vícemodální modely
Summary
Označuje modely AI schopné zpracovávat a generovat obsah napříč více typy dat, jako je text, obrázky, zvuk a video, současně.
Key Concepts
- Cross-modální učení
- Fúze dat
- Učení reprezentace
- Senzorický vstup
Use Cases
- Odpovídání na otázky založené na vizuálech
- Popisování videí
- Rozpoznávání řeči audiovizuálně