Çok kipli modeller: görüntü, ses ve metin tek bir ağda

Kısaca: Çok kipli modeller metin, görüntü ve ses gibi birkaç veri türünü birlikte işler. Püf noktası: her şey, bir dönüştürücünün işleyebileceği aynı vektör diline çevrilir.

Nasıl çalışır

1. Görüntü: karolara (“yamalara”) kesilir…

Ayrıca bak: Bilgisayarlı görü: görevler ve yöntemler