Γλώσσα Όρασης
term_id: vision_language
Category: application_paradigms
Definition
Τα μοντέλα Γλώσσας-Όρασης, συχνά αναφερόμενα ως Πολυτροπικά Μοντέλα Μεγάλων Γλωσσών (MLLMs), ενσωματώνουν την οπτική υπολογιστών και την επεξεργασία φυσικής γλώσσας. Επιτρέπουν στην ΤΝ να κατανοεί εικόνες και να παράγει κείμενο
Summary
Τα μοντέλα Γλώσσας-Όρασης είναι συστήματα ΤΝ που επεξεργάζονται και συσχετίζουν οπτικά δεδομένα με κειμενικές πληροφορίες για την κατανόηση πολυτροπικών πλαισίων.
Key Concepts
- Πολυτροπικότητα
- Δια-τροπική Στοίχιση
- Λεζάντες Εικόνας
- Απάντηση σε Οπτικές Ερωτήσεις
Use Cases
- Αυτόματη δημιουργία λεζαντών εικόνων
- Συστήματα απάντησης σε οπτικές ερωτήσεις
- Περιεχόμενο με πλαίσιο και έλεγχο