Vision-Language Model (VLM)
Vision-Language Model (VLM): Modello che elabora congiuntamente immagini e linguaggio per comprendere o generare contenuti multimodali. Un encoder visivo viene collegato a componenti linguistiche tramite rappresentazioni condivise o adattatori. Le capacità variano tra descrizione, risposta e generazione e richiedono valutazione visiva specifica.
In English: Vision-language model (VLM)Legge III · Come una rete impara dai datiUn encoder visivo viene collegato a componenti linguistiche tramite rappresentazioni condivise o adattatori. Le capacità variano tra descrizione, risposta e generazione e richiedono valutazione visiva specifica.
Esempi
- Visual question answering
- Descrizione di immagini
- Analisi di documenti scansiti