Process / pipeline
עיבוד שפה טבעית רב-מודאלי — הבנת ראייה-שפה
עיבוד שפה טבעית רב-מודאלי הוא משפחה של צינורות עיבוד שפה טבעית המשלבים טקסט עם מודאליות נתונים נוספת אחת או יותר — לרוב תמונות, אך גם שמע ווידאו — לביצוע משימות הבנה ויצירה כגון מענה על שאלות חזותיות, תיאור תמונות וזיהוי סנטימנט רב-מודאלי. התחום קיבל את צורתו המודרנית עם CLIP (Radford et al., 2021) ומאז התקדם באמצעות ארכיטקטורות כגון BLIP-2 (Li et al., 2023) המגשרות בין מקודדי תמונה קפואים ומודלי שפה גדולים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Radford, A., Kim, J.W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning (ICML), 8748–8763. link ↗
- Li, J., Li, D., Savarese, S., & Hoi, S. (2023). BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models. Proceedings of the 40th International Conference on Machine Learning (ICML), 19730–19742. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Multimodal Natural Language Processing. ScholarGate. https://scholargate.app/he/text-mining/multimodal-nlp
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- מנגנון קשבלמידה עמוקה↔ השוואה
- BERT Embeddingsכריית טקסט↔ השוואה
- ניתוח סנטימנטכריית טקסט↔ השוואה
- טרנספורמר ראייהלמידה עמוקה↔ השוואה