SHIRITAS

用語集

VLM

画像などの視覚情報と文章を一緒に扱える学習モデルの総称。画像と言葉の対応づけや理解に使われる。

たとえば: 写真を見せると、内容を言葉で説明したり質問に答えたりできる人に似ている。

AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。

この言葉が出てくる記事