एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
विज़न-लैंग्वेज प्री-ट्रेनिंग
स्व-पर्यवेक्षित शिक्षण का एक दृष्टिकोण जहां मॉडल संबद्ध छवियों और ग्रंथों के विशाल संग्रह पर पूर्व-प्रशिक्षित होते हैं। फाइन-ट्यूनिंग से पहले दृश्य अवधारणाओं और भाषाई विवरणों के बीच मूलभूत मेल स्थापित करता है।
संयुक्त प्रतिनिधित्व शिक्षण
एकीकृत प्रतिनिधित्व बनाने के लिए कई मोडलिटीज़ के बीच साझा विशेषताओं के एक साथ सीखने की प्रक्रिया। एक ही वेक्टर में अंतर-मोडल सहसंबंध और पूरकता को पकड़ता है।
मोडल फ्यूज़न
समृद्ध और सुसंगत प्रतिनिधित्व बनाने के लिए विभिन्न मोडलिटीज़ से जानकारी का रणनीतिक एकीकरण। एकीकृत आउटपुट में प्रत्येक मोडलिटी की संबंधित शक्तियों को प्रभावी ढंग से जोड़ता है।
ग्राउंडिंग
अमूर्त अवधारणाओं (अक्सर पाठ्य) को किसी अन्य मोडलिटी (आमतौर पर दृश्य) में ठोस तत्वों से जोड़ने की प्रक्रिया। छवियों में विशिष्ट क्षेत्रों या वस्तुओं के साथ शब्दों के बीच सीधे संबंध स्थापित करता है।
अलाइनमेंट लॉस
विभिन्न मोडलिटीज़ के तत्वों के बीच शब्दार्थ मेल को अनुकूलित करने के लिए विशेष रूप से डिज़ाइन किया गया हानि फ़ंक्शन। साझा प्रतिनिधित्व स्थान में इष्टतम संरेखण की ओर सीखने का मार्गदर्शन करता है।
शब्दार्थ स्थिरता
सिद्धांत जो गारंटी देता है कि बहु-मोडल प्रतिनिधित्व विभिन्न मोडलिटीज़ में सुसंगत अर्थ बनाए रखते हैं। सुनिश्चित करता है कि शब्दार्थ रूप से समतुल्य तत्व समान विशेषताओं को साझा करते हैं।
मल्टीमोडल प्री-ट्रेनिंग
बिना एनोटेट किए गए बड़े पैमाने के डेटा पर मल्टीमोडल मॉडल के वज़न को आरंभ करने का चरण। विशिष्ट कार्यों के अनुकूलन से पहले संरेखण की मूलभूत क्षमताओं को विकसित करता है।
मोडल अलाइनमेंट मेट्रिक्स
विभिन्न मोडलिटीज़ के प्रतिनिधित्व के बीच मेल की गुणवत्ता का मूल्यांकन करने वाले मात्रात्मक संकेतक। सीखे गए संरेखणों की सटीकता और शब्दार्थ स्थिरता को मापते हैं।
कमजोर रूप से पर्यवेक्षित संरेखण
मोडैलिटी को संरेखित करने के लिए आंशिक या शोर-युक्त एनोटेशन का उपयोग करने वाली शिक्षण दृष्टिकोण। लेबल किए गए डेटा पर निर्भरता कम करते हुए उचित संरेखण प्रदर्शन बनाए रखता है।
स्व-पर्यवेक्षित बहुमोडल शिक्षण
एक प्रतिमान जहां मॉडल गैर-एनोटेटेड मोडैलिटी के बीच प्राकृतिक सहसंबंधों का उपयोग करके स्वचालित रूप से संरेखण सीखता है। डेटा की बहुमोडल संरचना से आंतरिक शिक्षण संकेत उत्पन्न करता है।