المحولات متعددة الوسائط

Pix2Struct

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

← رجوع