我们对世界的认知和体验是多模式的,我们看向窗外,听到雨滴,闻到青草的味道,触摸到木板的纹理... 某种意义上来说,AI 就是赋予机器类人的感知和智慧,想要让 AI 理解我们周围的世界,它需要同时解释和推理这些多模式信息。
多模态、跨模态就是这样一个充满活力的领域,可以处理和关联来自多种模态信息的模型,具有非凡的潜力和越来越重要的意义。
介绍
多模态应用:让 AI 能够观察同一现象的多种模式,捕获到互补的信息,让预测结果更加可靠。比如电影,通过图像、音频、字幕文本以实现多种模态的理解。
跨模态应用:将源模态映射到目标模态,比如输入一句话,生成与文字高度匹配的一张图。
为什么我们需要多模态、跨模态
多、跨模态应用能够打造全新的用户体验,用户