Xigasho Sawir
Qoraalka sawirku waa shaqada si toos ah loo soo saaro jumlad luuqad dabiici ah oo qeexaysa waxa sawirka ku jira.
Dulmar
It bridges vision and language, turning pixels into words that explain content, objects, and actions.
quusid qoto dheer
Nidaamyada qoraalka sawirku waxay qaadaan sawir waxayna soo saarayaan sharraxaad hufan sida 'ey caws bunni ah oo ku qabanaya frisbee cawska.' Nidaamyada hore waxay lamaaneen shabakad isku dhafan oo soo saartey muuqaalo muuqaal ah oo leh shabakad soo noqnoqota (LSTM) oo soo saarta kelmado midba mar, inta badana lagu hagayo fiiro gaar ah si qaabku 'u eego' gobollada ku habboon kelmad kasta. Nidaamyada casriga ah waxay u adeegsadaan cod-bixiyeyaal aragga iyo beddeleyaasha luqadda, iyo moodooyinka waaweyn ee luqadda aragga sida BLIP-2 iyo GPT-4V waxay ku qori karaan sawirro si faseexnimo cajiib ah leh. Tababarku wuxuu ku tiirsan yahay xog-ururinta sida MS COCO, halkaasoo sawir kastaa leeyahay qoraallo badan oo bini'aadmigu qoray. Tayada waxaa lagu cabbiraa cabbirada sida CIDer, BLEU, iyo CLIPScore ku salaysan gundhigga.
Aragtida Farsamada
Inta badan qoraal-bixiyeyaashu waxay raacaan qaabka cod-dejiyaha. Codeeyuhu wuxuu u beddelaa sawirka inuu u beddelo qaybo muuqaal ah; Decoder-ku wuxuu soo saaraa ereyo si toos ah, isaga oo saadaaliya calaamad kasta oo ku xidhan sawirka iyo ereyada hore loo soo saaray. Fiiro gaar ah waxay u ogolaataa codeeyaha miisaan kala duwan oo muuqaal ah eray kasta, hagaajinta dejinta. Tababarku wuxuu isticmaalaa iskutallaabta-entropy ee qoraallada runta ah ee dhulka, mararka qaarkood waxaa ku xiga barashada xoojinta taasoo hagaajinaysa mitir-tayada qoraalka sida CIDer si toos ah si loo yareeyo eexda soo-gaadhista.
Saamaynta Istiraatijiyadeed
Xawaaraha iyo miisaanka
Visual AI wuxuu si otomaatig ah u samayn karaa baadhista, ogaanshaha, iyo sumadaynta hawlaha miisaanka.
Xulashada dhismayaasha
Kooxaha hal-abuurka leh waxay hindise karaan fikradaha si dhakhso leh iyagoo leh dib-u-eegis buugeed yar.
Kooxda iyo socodka shaqada
Hawlgalladu waxay isticmaali karaan calaamadaha muuqaalka iyo muuqaalka kuwaas oo markii hore adkeyd in la farsameeyo.
Mustaqbalka Qoraalka Sawirka
Qoraalku waxa uu ku milmay moodooyinka luqadda aragga guud oo aan qeexin oo keliya laakiin sidoo kale ka jawaaba su'aalaha, sababta, oo raac tilmaamaha ku saabsan sawirrada. Filo cufan, qoraalo badan oo la kontarooli karo (dhererka la hagaajin karo, qaabka, ama diiradda), salka xaqiiqda ka wanaagsan si loo xakameeyo walxaha dhalanteed, iyo qalab la geli karo oo xooggan oo ka sheekeynaya adduunka muuqaalka wakhtiga dhabta ah. Qoraallada luuqadaha badan iyo muuqaalka fiidiyowga ayaa balaadhi doona, moodooyinka aaladda ayaa keeni doona sir ah, sharraxaad degdeg ah taleefannada iyo qalabyada indhoolayaasha iyo isticmaaleyaasha aragga hoose.
Dhaqangelinta Adduunka-dhabta ah
Soo saarista sharraxaadaha alt-text ee sawirada si akhristayaasha shaashadu ay u caawiyaan isticmaalayaasha indhoolayaasha iyo araggooda hoose
Qoraallada si toos ah u soo jeedinaya iyo summada la raadin karo ee maktabadaha sawirrada waaweyn iyo goobaha sawirka sawirka
Ku sifaynta agagaarka abka abka sida Microsoft Aragtida AI ama Noqo Indhahayga
Tilmaanta shaxanka fiidyaha ee leh sharraxaadda qoraalka si ay awood ugu yeelato raadinta nuxurka iyo dhexdhexaadinta cabbirka
Khatarta & Dariiqyada Ilaalada
Xuquuqda sawirka iyo ogolaanshaha waxay noqon kartaa khataro sharci ah haddii caddayntu aanay caddayn.
Waxqabadka moodeelku wuu ku kala duwanaan karaa iftiinka, tirakoobka, iyo deegaanka.
Wanaagga beenta ah waxa laga yaabaa inaan la dareemin ilaa xadka kalsoonida aan la kormeerin.
Qorshe Hawleedka Dhaqangelinta
Qeex shuruudaha aqbalida ee saxnaanta, dib u celinta, iyo kharashyada khaladka.
Ku tijaabi xogta ku habboon xaaladaha wax soo saarka dhabta ah.
Ku dar dib u eegis bini'aadamka si aad u hesho kalsoonida hoose ama saameeynta sare.
Lasoco moodeel dhaqaaqa oo dib u cusboonaysii kamarada ama xogta kaydinta ka dib.
Sii wad Sahaminta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Image Captioning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hagaha xiga
Moodooyinka Sawirka FLUX
Su'aalaha soo noqnoqda
What is Image Captioning?
Qoraalka sawirku waa shaqada si toos ah loo soo saaro jumlad luuqad dabiici ah oo qeexaysa waxa sawirka ku jira. Waxay isku xidhaa aragga iyo luqadda, iyadoo pixels u beddesha erayo sharraxaya nuxurka, walxaha, iyo ficillada.
Muxuu nidaamka qoraalka sawirku u soo saaraa wax soo saar ahaan?
Qoraalka sawirku waxa ay abuurtaa jumlad qoraal ah oo qeexaysa waxa sawirka ku jira.
Dhuumaha qoraalka qoraalka caadiga ah, doorkee ayuu ka ciyaara codeeyaha muuqaalku?
Cod-bixiyaha (badanaa CNN ama vision Transformer) waxa uu u rogaa sawirka muuqaal muuqaal ah oo af-dejiyahu isticmaalo.
Maxay dareenka faa'iido ugu leedahay qoraalka sawirka?
Fiiro gaar ah ayaa ka caawisa furaha 'eeg' qaybaha ugu habboon ee sawirka marka uu kelmad kasta soo saarayo, hagaajinta salka
Xoggee ayaa si weyn loogu isticmaalaa tababarka iyo qiimeynta qoraalka sawirka?
MS COCO waxa ay bixisa sawiro mid waliba ku lamaansan yahay qoraalo badan oo bini'aadmigu qoray, taas oo ka dhigaysa halbeeg u dhigma.
Maxay ka dhigan tahay qoraalka qoraalka si uu u soo saaro ereyo 'si toos ah'?
Jiilka autoregressive wuxuu soo saaraa calaamado hal mar, mid kastaa wuxuu ku xiran yahay calaamadihii hore iyo sawirka.