Moshi
Definition
Moshi on Kyutain kehittynyt tekoälymalli, joka integroi puheen ja tekstin käsittelyn …
Multimodal
Terms tagged with Multimodal
Ltx Video
Definition
Ltx Video edustaa videoiden generointitekoälyn kehitystä hyödyntämällä latentin avaruuden …
Kuvateksti tekstillä
Definition
Kuvateksti tekstillä viittaa malleihin, jotka käsittelevät visuaalisia syötteitä yhdessä …
Genie
Definition
Genie viittaa generatiivisten mallien perheeseen, joka on suunniteltu nimenomaan videon …
Diffusers: Qwenimagepipeline
Definition
Tämä putki mukauttaa Qwen-VL-mallien generatiiviset ominaisuudet kuvasynteesiä varten. Se …
DeepSeek VL V2
Definition
DeepSeek VL V2 laajentaa tavallisen kielimallin kyvykkyyksiä monimuotoiseen alueeseen, …
Tietosarja: Upotustiedot / Flickr30K-kuvaukset
Definition
Flickr30K-kuvaukset on laajasti käytetty vertailutietosarja, jossa on 31 783 kuvaa, …
Kytketty kuvion oppija
Definition
Kytketyt kuvion oppijat on suunniteltu käsittelemään dataa, jossa eri avaruuksien …
Kontrastiivinen kieli-kuvan esikoulutus
Definition
Kontrastiivinen kieli-kuvan esikoulutus (CLIP) on neuroverkkorakenne, joka on koulutettu …
Mikä tahansa mihin tahansa
Definition
Mikä tahansa mihin tahansa viittaa yhdistettyihin multimodaalisiin arkkitehtuureihin, …
Visuaalinen kieli
Definition
Visuaalisen kielen mallit, joita kutsutaan usein monimuotoisiksi suuriksi kielimalleiksi …
modaaliraja-yli
Definition
Modaaliraja-yli-tekoäly käsittää erilaisten modaaliteettien, kuten visuaalisen, …
Visuaalinen
Definition
Termi ‘visuaalinen’ liittyy AI:ssa ensisijaisesti tietokonenäyttöön (Computer …
Generointi
Definition
Tekoälyssä generointi viittaa mallien, erityisesti Generatiivisten vastustajaverkostojen …