एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
क्रॉस-मोडल लर्निंग
एक शिक्षण प्रतिमान जहां एक मोडैलिटी (टेक्स्ट, इमेज, ऑडियो) से प्राप्त ज्ञान को दूसरी अलग मोडैलिटी पर प्रदर्शन सुधारने के लिए स्थानांतरित किया जाता है। यह दृष्टिकोण साझा प्रतिनिधित्व बनाने के लिए इंटर-मोडल सहसंबंधों का उपयोग करता है।
जीरो-शॉट क्रॉस-मोडल रिट्रीवल
एक तकनीक जो पूर्व प्रशिक्षण उदाहरणों के बिना लक्ष्य मोडैलिटी से जानकारी पुनर्प्राप्त करने की अनुमति देती है, केवल स्रोत मोडैलिटी के ज्ञान का उपयोग करते हुए। यह कभी न देखी गई श्रेणियों के लिए सामान्यीकरण करने के लिए सामान्य एम्बेडिंग स्थानों पर निर्भर करती है।
मल्टीमोडल एम्बेडिंग स्पेस
साझा वेक्टर स्थान जहां विभिन्न मोडैलिटी को एक सामान्य अर्थपूर्ण प्रतिनिधित्व में प्रक्षेपित किया जाता है, जो उनके बीच सीधी तुलना की अनुमति देता है। यह स्थान क्रॉस-मोडल अनुवाद, खोज और जनन कार्यों को सुविधाजनक बनाता है।
क्रॉस-मोडल जनरेशन
एक अलग स्रोत मोडैलिटी की जानकारी के आधार पर लक्ष्य मोडैलिटी में डेटा बनाने की प्रक्रिया। इस तकनीक का उपयोग टेक्स्ट से इमेज संश्लेषण या वीडियो से ऑडियो जनरेशन जैसे अनुप्रयोगों के लिए किया जाता है।
हेटरोजीनियस मोडल फ्यूजन
संरचनात्मक रूप से भिन्न विशेषताओं वाली मोडैलिटी से आने वाली जानकारी को एकीकृत प्रतिनिधित्व में एकीकृत करने की रणनीति। इस फ्यूजन को प्रत्येक मोडैलिटी की विशिष्टताओं को संरक्षित करते हुए उनकी पूरकताओं का उपयोग करना चाहिए।
क्रॉस-मोडल ट्रांसफर लर्निंग
एक स्रोत मोडैलिटी पर प्री-ट्रेन्ड मॉडल से ज्ञान को एक अलग लक्ष्य मोडैलिटी पर कार्य में स्थानांतरित करना। यह दृष्टिकोण सीखने को तेज करता है और प्रदर्शन में सुधार करता है जब लक्ष्य डेटा सीमित होता है।
मल्टीमोडल ट्रांसफॉर्मर
ट्रांसफॉर्मर आधारित आर्किटेक्चर जो क्रॉस-मोडल ध्यान तंत्र के माध्यम से एक साथ कई मोडैलिटी को संसाधित करने के लिए अनुकूलित है। यह विभिन्न सूचना स्रोतों के बीच जटिल इंटरैक्शन को मॉडल करने की अनुमति देता है।
क्रॉस-मोडल मैपिंग
गणितीय फ़ंक्शन या न्यूरल नेटवर्क जो एक मोडैलिटी के प्रतिनिधित्व को दूसरी में अनुवाद करना सीखता है। यह मैपिंग अर्थपूर्ण संबंधों को संरक्षित करते हुए लक्ष्य मोडैलिटी की विशिष्ट विशेषताओं को अनुकूलित करती है।
मोडैलिटी-इनवेरिएंट रिप्रेजेंटेशन
एक अमूर्त प्रतिनिधित्व जो सामान्य सिमेंटिक जानकारी को कैप्चर करता है जबकि प्रत्येक मोडैलिटी की विशिष्ट विशेषताओं को हटाता है। ये इनवेरिएंट्स ज्ञान हस्तांतरण और क्रॉस-मोडल सामान्यीकरण को सुविधाजनक बनाते हैं।
क्रॉस-मोडल कोरिलेशन
सिमेंटिक या संरचनात्मक स्तर पर विभिन्न मोडैलिटीज़ के बीच संबंधों और निर्भरताओं का सांख्यिकीय या सीखा हुआ माप। इन कोरिलेशन्स का विश्लेषण इंटर-मोडल पूरकताओं को समझने और उपयोग करने के लिए आवश्यक है।
क्रॉस-मोडल नॉलेज डिस्टिलेशन
एक तकनीक जहां एक मोडैलिटी में विशेषज्ञ मॉडल (टीचर) दूसरी मोडैलिटी पर एक छात्र मॉडल (स्टूडेंट) के सीखने को मार्गदर्शन करता है। यह दृष्टिकोण सिमेंटिक ज्ञान को स्थानांतरित करने की अनुमति देता है भले ही डेटा संरचनाएं मौलिक रूप से भिन्न हों।
लेट फ्यूजन क्रॉस-मोडल
फ्यूजन की एक रणनीति जहां प्रत्येक मोडैलिटी को मॉडल की अंतिम परतों तक स्वतंत्र रूप से संसाधित किया जाता है, इससे पहले कि उन्हें संयोजित किया जाए। यह दृष्टिकोण मोडल विशिष्टताओं को संरक्षित करता है जबकि निर्णय के लिए अंतिम एकीकरण की अनुमति देता है।
अर्ली फ्यूजन क्रॉस-मोडल
एकीकरण का दृष्टिकोण जहां विभिन्न मोडैलिटीज़ की विशेषताओं को प्रोसेसिंग प्रक्रिया की शुरुआत में संयोजित किया जाता है। यह विधि मोडैलिटीज़ के बीच गहन इंटरैक्शन की अनुमति देती है लेकिन टेम्पोरल डीसिंक्रोनाइजेशन के प्रति संवेदनशील हो सकती है।
क्रॉस-मोडल रिट्रीवल
एक अलग मोडैलिटी में तैयार किए गए क्वेरी का उपयोग करके एक मोडैलिटी में प्रासंगिक तत्वों को खोजने का कार्य। इसके लिए मोडल प्रतिनिधित्व स्थानों के बीच मजबूत सिमेंटिक अलाइनमेंट की आवश्यकता होती है।
एडवरसैरियल क्रॉस-मोडल लर्निंग
विभिन्न मोडैलिटीज़ के वितरणों को एक सामान्य स्थान में संरेखित करने के लिए एडवरसैरियल नेटवर्क का उपयोग करने वाली लर्निंग फ्रेमवर्क। जनरेटर मोडल प्रतिनिधित्व बनाता है जबकि डिस्क्रिमिनेटर उनके मूल को अलग करने का प्रयास करता है।
क्रॉस-मोडल प्री-ट्रेनिंग
सामान्य प्रतिनिधित्व सीखने के लिए बड़ी मात्रा में अनलेबल्ड मल्टीमोडल डेटा पर प्रारंभिक प्रशिक्षण चरण। इन प्री-ट्रेनिंग्स को बाद में सीमित डेटा के साथ विशिष्ट कार्यों के लिए फाइन-ट्यून किया जाता है।