محولات الرؤية

ترميز الصورة (Visual Tokenization)

عملية تقسيم الصورة إلى تسلسل من الرموز المنفصلة، وهي أساسية لتكييف بنية المحول (Transformer) المصممة في الأصل للنصوص مع البيانات المرئية.

← رجوع