قاموس الذكاء الاصطناعي

📖

المصطلحات

ALBEF (محاذاة قبل الدمج)

هندسة معمارية مبتكرة تقوم أولاً بمحاذاة تمثيلات النص والصورة في مساحة مشتركة قبل دمجها، باستخدام تقنية تقطير الزخم (momentum distillation) لتحسين الأداء.

📖

المصطلحات

MDETR (الكشف المعدّل للفهم متعدد الوسائط الشامل)

هندسة معمارية للكشف عن الكائنات شاملة (end-to-end) يتم تعديلها بواسطة اللغة الطبيعية، مما يتيح استعلامات نصية معقدة لتحديد موقع الكائنات والتعرف عليها في الصور.

📖

المصطلحات

UNITER (التمثيل العالمي للصورة والنص)

نموذج مُدرب مسبقًا على 4 مهام متعددة الوسائط رئيسية (مطابقة الصورة بالنص، نمذجة اللغة المقنعة، نمذجة المنطقة المقنعة، مطابقة الكلمة بالمنطقة) لتحقيق فهم عالمي للرؤية واللغة.

📖

المصطلحات

VILLA (نموذج الرؤية واللغة واسع النطاق)

نموذج واسع النطاق مُدرب مسبقًا بهندسة Transformer موحدة لمهام فهم الرؤية واللغة، باستخدام تدريبات مسبقة مقنعة متقاطعة.

📖

المصطلحات

FLAVA (محاذاة اللغة والرؤية الأساسية)

نموذج أساسي متعدد الوسائط موحد بهندسة Transformer بسيطة، مُدرب مسبقًا بشكل متزامن على بيانات نصية فقط، وصورية فقط، ومتعددة الوسائط.

📖

المصطلحات

Oscar (التدريب المسبق المحاذي لدلالات الكائنات)

نهج تدريب مسبق يقدم تسميات الكائنات المكتشفة كمراسي دلالية لمواءمة النص والصور، مما يحسن بشكل كبير الفهم متعدد الوسائط.

📖

المصطلحات

VinVL (التدريب المسبق للرؤية واللغة مع ميزات بصرية محسّنة)

إطار عمل يعزز الميزات البصرية باستخدام كاشف كائنات واسع النطاق وسمات، محققًا أداءً رائدًا (state-of-the-art) في معايير V+L.

📖

المصطلحات

BridgeTower

هندسة معمارية تقدم جسورًا بين المشفرات أحادية الوسائط لتسهيل التفاعل العميق بين الوسائط، مما يحسن تبادل المعلومات بين النص والصورة على نطاقات مختلفة.

📖

المصطلحات

Pix2Struct

نموذج محول (Transformer) مُدرب مسبقًا على مهمة تحليل لقطات الشاشة (screenshot parsing)، يتفوق في فهم واجهات المستخدم والرسوم البيانية والمستندات المنظمة بصريًا.

📖

المصطلحات

PaLI (Pathways Language and Image model)

نموذج متعدد الوسائط ضخم يعتمد على Pathways، يجمع بين مُشفّر صور ومُشفّر-مُفكّك نص لمهام الترجمة المرئية والإجابة على الأسئلة المرئية.