Résumé
Liggéeyu sotti nataal mooy defar ci saasi ab frase ci làkk wiñ nàmp ngir fësal li ci biir nataal bi. Dafay boole gis-gis bi ak làkk wi, di soppi pixel yi ñu nekk kàddu yuy leeral ëmbiit li, mbir yi ak jëf yi.
Image Captioning bokk na ci liggéey yiy wane ordinatër, di tekki wala defar ay mejaa yuñ mëna gis ngir jàngat, jëfandikoo ak sos lu bees.
Plongeur bu xóot
Sistemu bindu nataal yi dañuy jël benn nataal ba noppi joxe ay leeral yu leer lu mel ni 'xaj bu maron buy jàpp frisbee ci kaw ñax.' Sistem yu njëkk ya dañu boole reso convolutionnel buy génne màndarga yi ñuy gis ak reso buy baaxoo (LSTM) buy defar baat benn-benn, ñu koy faral di teg ci bàyyi xel, suko defee model bi 'xool' gox yi war ci baat bu nekk. Sistem yu bees yi dañuy jëfandikoo enkodeer transformatër ngir gis-gis ak dekodeer transformatër ngir làkk, ba noppi modeli làkk yu mag yu melni BLIP-2 ak GPT-4V mën nañu bind nataal yi ci anam wu neex. Taggat dafay aju ci ay done yu melni MS COCO, fu nataal bu nekk am ay mbind yu bari yu nit bind. Kalite dañu koy natt ci ay metric yu melni CIDEr, BLEU, ak CLIPScore bi lalu ci samp gi.
Gis-gis xarala
Kapsioner yu bari dañu topp motif encodeur-decodeur. Encoder bi dafay soppi nataal bi def ko ay vecteur yu am màndarga; dekodeer bi dafay defar ay baat ci anam wu autoregressif, di wax luy waaja am ci token bu nekk ci nataal bi ak baat yiñ njëkka defar. Foofu dafay tax dekodeer bi diisaay ci gox yu wuute ci nataal ci baat bu nekk, gëna suqali grounding bi. Taggat yaram dafay jëfandikoo cross-entropy ci kaw dëgg-kapsiyon, yenn saa mu topp ci jàng-jàng buy gëna dooleel metric kalite caption bu melni CIDEr directement ngir wàññi exposition biais.
Mastering ci bind nataal
Liggéeyu sotti nataal mooy defar ci saasi ab frase ci làkk wiñ nàmp ngir fësal li ci biir nataal bi. Dafay boole gis-gis bi ak làkk wi, di soppi pixel yi ñu nekk kàddu yuy leeral ëmbiit li, mbir yi ak jëf yi. Image Captioning bokk na ci liggéey yiy wane ordinatër, di tekki wala defar ay mejaa yuñ mëna gis ngir jàngat, jëfandikoo ak sos lu bees. Ngir tabax xam-xam bu xóot, jàppal Image Captioning ni xeetu liggéey, du benn man-man: leeral njariñ yi nga bëgg, leeral xalaat yi, ak tàqale li sistem bi mëna def ci anam wu wóor ak li ba leegi soxla àtteb kàngam.
Ci jëf, ekip yu am doole yiy jëfandikoo Image Captioning dañuy méngale njubte gi ak dëggantaanu liggéey bi, lu ci melni kalite done yi, faraasu leeraay bi, ak dëppoo ci etiket bi. Dañuy bind kritër yu leer ngir am ndam, natt leen ci done yu dëggu ak def liggéey, ba noppi ñu baamtu ci anamu ñàkka mëna seetlu, du ci benn yoon benchmark wins. Mooy barab bi xam-xam theorie bi di soppiku nekk kàttan buy yàgg ci produit yi, ci politik yi ak ci liggéey yi.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jamano jooju, yelleefi nataal ak nangu mën na nekk risku yoon sudee fimu bawoo leerul. Xeetu jëf bi gëna dëgër mooy boole gaawaayu jàngat ak disipline nguur: doxal pilote, jàpp firnde, siiwal dogal yi, ak wéy di yeesal kaaraange gi ci anam wi ñuy doxalee, li jëfandikukat bi di xaar, ak sàrti sàrt yi di jëm kanam.
njeextalu pexe
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal.
Visual IA mën na otomatise saytu, gis ak etiketu liggéey ci eskaal. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo.
Ekipu kreatif yi mën nañu defar konsept yu gëna gaaw te duñu def lu bari ci loxo. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey.
Liggéeyukaay yi mën nañu jëfandikoo siñaal nataal wala wideo yu jafewoon lool ci liggéey. Ci jëfandikoo yu am kalite bu kawe, loolu dañu koy tekki ci sàrti liggéey yuñ mëna natt, ay peggu boroom, ak ay xew-xewu xoolaat yu bari suko defee ekip yi mëna yokk wóolu seen bopp ci barabu yokk lu jaxasoo.
Doxal ci àdduna dëgg
Defar ay tegtali alt-text ci nataal yi suko defee ñiy jàng ekraŋ yi mëna jàppale jëfandikukat yu silmaxa yi ak yu dul gis bu baax
Digle ci saasi ay mbind ak etiket yuñ mëna seetee ngir bibliotek foto yu mag ak platform nataali stock
Tegtal li ko wër ak kàddu yu kawe jaaraleko ci aplikaasioŋ yu melni Microsoft Gis IA wala Nekk samay bët
Indexage kadre wideo ak ay leeral ci mbind ngir mëna seetlu ëmbiit li ak yamale ci escalier
Modèlu jëfandikoo
Captioning nataal ci jëf
Defar ay leeral ci nataal yi ci alt-text suko defee ñiy jàng ekraŋ yi mëna jàppale jëfandikukat yu silmaxa yi ak yu dul gis bu baax.
Defar ay tegtali alt-tekst ci nataal yi suko defee ñiy jàng ekraŋ yi mëna jàppale jëfandikukat yu silmaxa yi ak yu néew gis-gis yi. Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee ay threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bu gàtt.
Captioning nataal ci jëf
Digle ci boppam ay mbind ak etiket yuñ mëna seetee ci bibliotek foto yu mag yi ak platform nataali stock.
Teams yi dañuy faral di am njariñ yu gëna baax suñu joxee ay threshold yu baax ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bu gàtt.
Captioning nataal ci jëf
Tegtal li ko wër ak kàddu yu kawe jaaraleko ci aplikaasioŋ yu melni Microsoft Gis IA wala Nekk samay bët.
Tegtal environmaa bi ak kàddu yu kawe jaaraleko ci aplikaasioŋ yu melni Microsoft Seeing AI wala Be My Eyes Teams yi dañuy faral di am njariñ yu gëna baax suñu leeralee kalite ci kanam, tëye yoonu eskalaasioŋ nit ngir jafe-jafe yi, ba noppi topp njariñu liggéey ak njëgu njuumte ci diir bi.
Captioning nataal ci jëf
Indexer kadre wideo ak ay leeral ci mbind ngir mëna seetlu ëmbiit li ak moderaasioŋ ci eskaal bi.
Indexing kadre wideo ak ay leeral ci mbind ngir mëna seetlu ëmbiit li ak moderation ci scale Ekip yi dañuy faral di am njariñ yu gëna baax suñu joxee threshold yu kalite ci kanam, tëye yoonu escalation nit ngir jafe-jafe yi, ba noppi topp njariñu produit yi ak njëgu njuumte yi ci diir bi.
Risk yi ak balustrade yi
Yelleefi nataal ak nangu mën na nekk risku yoon sudee fi ñu bawoo leerul.
Performance model bi mën na wuute ci leeraay bi, demographie bi ak environmaa bi.
Njuumteg positive yi mën nañu dem te kenn duko seetlu fileek xool wuñu buntu wóolu sa bopp.
Roadmap ngir samp gi
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte.
Mandargal kritërium nangug njub, woowaat ak njëgu njuumte. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg.
Saytu ak done yu méngoo ak anam yi ñuy liggéeyee dëgg. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy.
Yokk jàngat nit ngir xam fu wóorul dara wala am njeexital yu rëy. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo.
Toppal model drift bi nga baaxal ko ginaaw bi kamera bi wala done yi soppeekoo. Japp jéego bu nekk ni buntu firnde: sudee mattul kritër yi, noppali génne gi, tëj bërëb bi, ba noppi nga yaatal jëfandikoo gi.