Мультимодальный перевод

Автоматическое подписывание изображений

Автоматическая генерация текстовых описаний, описывающих содержание изображений, сочетающая компьютерное зрение и обработку естественного языка. Современные модели используют кодировщики CNN или ViT и декодеры трансформеров.

← Назад