Modèles multimodaux : alignement, fusion et questions visuelles
Distinguer recherche image–texte et questions visuelles pour comprendre patches, facturation des tokens visuels, connecteurs, pertes d’information et évaluation.
Distinguer recherche image–texte et questions visuelles pour comprendre patches, facturation des tokens visuels, connecteurs, pertes d’information et évaluation.