এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Cross-Modal Learning
Paradigme d'apprentissage où les connaissances acquises à partir d'une modalité (texte, image, audio) sont transférées pour améliorer les performances sur une autre modalité différente. Cette approche exploite les corrélations inter-modales pour créer des représentations partagées.
Zero-Shot Cross-Modal Retrieval
Technique permettant de récupérer des informations d'une modalité cible sans exemples d'entraînement préalables, en utilisant uniquement les connaissances des modalités source. Elle s'appuie sur des espaces d'embedding communs pour généraliser à des catégories jamais vues.
Multimodal Embedding Space
Espace vectoriel partagé où différentes modalités sont projetées dans une représentation sémantique commune, permettant des comparaisons directes entre elles. Cet espace facilite les tâches de traduction, de recherche et de génération cross-modales.
Cross-Modal Generation
Processus de création de données dans une modalité cible basées sur les informations d'une modalité source différente. Cette technique est utilisée pour des applications comme la synthèse d'images à partir de texte ou la génération audio à partir de vidéo.
Heterogeneous Modal Fusion
Stratégie d'intégration d'informations provenant de modalités aux caractéristiques structurellement différentes en une représentation unifiée. Cette fusion doit préserver les spécificités de chaque modalité tout en exploitant leurs complémentarités.
Cross-Modal Transfer Learning
Transfert de connaissances d'un modèle pré-entraîné sur une modalité source vers une tâche sur une modalité cible différente. Cette approche accélère l'apprentissage et améliore les performances lorsque les données cibles sont limitées.
Multimodal Transformer
Architecture basée sur les transformeurs adaptée pour traiter simultanément plusieurs modalités grâce à des mécanismes d'attention cross-modaux. Elle permet de modéliser les interactions complexes entre différentes sources d'information.
Cross-Modal Mapping
Fonction mathématique ou réseau de neurones apprenant à traduire les représentations d'une modalité vers une autre. Cette mapping préserve les relations sémantiques tout en adaptant les caractéristiques spécifiques à la modalité cible.
মড্যালিটি-ইনভ্যারিয়েন্ট রিপ্রেজেন্টেশন
একটি বিমূর্ত উপস্থাপনা যা শব্দার্থিক তথ্যগুলো ক্যাপচার করে যখন প্রতিটি মড্যালিটির নির্দিষ্ট বৈশিষ্ট্যগুলো দূর করে। এই ইনভ্যারিয়েন্টগুলো জ্ঞান স্থানান্তর এবং ক্রস-মড্যাল জেনারেলাইজেশন সহজ করে।
ক্রস-মড্যাল কোরিলেশন
বিভিন্ন মড্যালিটির মধ্যে সম্পর্ক এবং নির্ভরতার পরিসংখ্যানগত বা শেখা পরিমাপ, শব্দার্থিক বা কাঠামোগত স্তরে। এই সম্পর্কগুলোর বিশ্লেষণ আন্তঃ-মড্যাল পরিপূরকতাগুলো বোঝা এবং ব্যবহার করার জন্য অপরিহার্য।
ক্রস-মড্যাল নলেজ ডিস্টিলেশন
একটি কৌশল যেখানে একটি মড্যালিটিতে একজন বিশেষজ্ঞ মডেল (শিক্ষক) অন্য মড্যালিটিতে একটি ছাত্র মডেলের শেখাকে নির্দেশনা দেয়। এই পদ্ধতিটি শব্দার্থিক জ্ঞান স্থানান্তর করতে দেয় এমনকি যখন ডেটা কাঠামোগুলো আমূলভাবে ভিন্ন হয়।
লেট ফিউশন ক্রস-মড্যাল
একটি ফিউশন কৌশল যেখানে প্রতিটি মড্যালিটি মডেলের শেষ স্তরগুলোর আগে স্বাধীনভাবে প্রক্রিয়াজাত করা হয় তারপর একত্রিত করা হয়। এই পদ্ধতিটি মড্যাল স্পেসিফিসিটিগুলো সংরক্ষণ করে যখন সিদ্ধান্তের জন্য চূড়ান্ত ইন্টিগ্রেশন অনুমোদন করে।
আর্লি ফিউশন ক্রস-মড্যাল
একটি ইন্টিগ্রেশন পদ্ধতি যেখানে বিভিন্ন মড্যালিটির বৈশিষ্ট্যগুলো প্রক্রিয়াকরণ প্রক্রিয়ার শুরুতে একত্রিত করা হয়। এই পদ্ধতিটি মড্যালিটির মধ্যে গভীর মিথস্ক্রিয়া অনুমোদন করে কিন্তু টেম্পোরাল ডিসিঙ্ক্রোনাইজেশনের প্রতি সংবেদনশীল হতে পারে।
ক্রস-মড্যাল রিট্রিভাল
একটি টাস্ক যা একটি ভিন্ন মড্যালিটিতে ফর্মুলেট করা একটি ক্যোয়ারী ব্যবহার করে একটি মড্যালিটিতে প্রাসঙ্গিক উপাদানগুলো অনুসন্ধান করে। এটির জন্য মড্যাল রিপ্রেজেন্টেশন স্পেসগুলোর মধ্যে শক্তিশালী শব্দার্থিক অ্যালাইনমেন্ট প্রয়োজন।
অ্যাডভারস্যারিয়াল ক্রস-মড্যাল লার্নিং
একটি লার্নিং ফ্রেমওয়ার্ক যা একটি সাধারণ স্পেসে বিভিন্ন মড্যালিটির ডিস্ট্রিবিউশন অ্যালাইন করতে অ্যাডভারস্যারিয়াল নেটওয়ার্ক ব্যবহার করে। জেনারেটর মড্যাল রিপ্রেজেন্টেশন তৈরি করে যখন ডিসক্রিমিনেটর তাদের উত্স আলাদা করার চেষ্টা করে।
ক্রস-মড্যাল প্রি-ট্রেনিং
সাধারণ রিপ্রেজেন্টেশন শেখার জন্য লেবেলহীন বৃহৎ পরিমাণ মাল্টিমড্যাল ডেটার উপর প্রাথমিক ট্রেনিং ফেজ। এই প্রি-ট্রেনিংগুলো পরে সীমিত ডেটা সহ নির্দিষ্ট টাস্কগুলোর জন্য ফাইন-টিউন করা হয়।