Moshi
Definition
Moshi este un model avansat de IA creat de Kyutai care integrează procesarea vocii și a …
Multimodal
Terms tagged with Multimodal
Ltx Video
Definition
Ltx Video reprezintă un avans în domeniul IA generative pentru video, utilizând procese …
Imagine la Text la Text
Definition
Imagine la Text la Text se referă la modelele care procesează intrări vizuale împreună cu …
Genie
Definition
Genie se referă la o familie de modele generative concepute special pentru sinteza video. …
Diffusers: Qwenimagepipeline
Definition
Această linie de procesare adaptează capacitățile generative ale modelelor Qwen-VL pentru …
DeepSeek VL V2
Definition
DeepSeek VL V2 extinde capacitățile modelului lingvistic standard în domeniul multimodal, …
Dataset: Embedding Data/Flickr30K Captions
Definition
Flickr30K Captions este un set de date benchmark larg utilizat, compus din 31.783 de …
Învățător cuplat de tipare
Definition
Învățătorii cuplați de tipare sunt concepuți pentru a gestiona datele în care instanțele …
Antrenament Precoce Contrastiv Limbaj-Imagine
Definition
Antrenamentul precoce contrastiv limbaj-imagine (CLIP) este o arhitectură de rețea …
Orice la Orice
Definition
Abordarea ‘Orice la Orice’ se referă la arhitecturi multimodale unificate …
Limba vizuală
Definition
Modelele de limbă vizuală, adesea referite ca Modele Linguistice Mari Multimodale …
intermodal
Definition
IA intermodală implică procesarea și corelarea datelor din modalități distincte, cum ar …
Vizual
Definition
Termenul ‘vizual’ în IA se referă în principal la Viziunea Computerizată, …
Generare
Definition
În inteligența artificială, generarea se referă la capacitatea modelelor, în special a …