Multimodal
term_id: muiltimodal
Category: basic_concepts
Definition
Inden for kunstig intelligens beskriver multimodalitet evnen hos en model til at forstå, generere eller korrelere information på tværs af forskellige sanseindgange eller dataformater. I modsætning til unimodale modeller
Summary
Multimodal refererer til AI-systemer, der behandler og integrerer flere typer datamodaler, såsom tekst, billeder og lyd, samtidigt.
Key Concepts
- Datasammenfletning
- Tværmodal tilpasning
- Samlet repræsentation
- Sensorintegration
Use Cases
- Billedtekstning og visuelle spørgsmålssvar
- Videoforståelse med lydkontekst
- Medicinsk diagnose, der kombinerer scanninger og journaler