Image vers Texte
term_id: image_text_to_text
Category: application_paradigms
Definition
Image vers Texte désigne les modèles qui traitent des entrées visuelles conjointement avec des requêtes textuelles pour produire des sorties en langage naturel cohérentes. Ces systèmes, souvent appelés Modèles Vision-Language (VLM), combinent la compréhension visuelle et linguistique.
Summary
Une capacité d’IA multimodale qui génère des descriptions textuelles ou des réponses basées sur des images d’entrée et des invites de texte optionnelles.
Key Concepts
- Apprentissage Multimodal
- Réponse aux Questions Visuelles
- Légendage d’Images
- Attention Transversale
Use Cases
- Légendage automatique d’images pour l’accessibilité
- Systèmes de réponse aux questions visuelles
- Analyse de modération de contenu