нейрохаб.рфСправка
← Справка

Визуально-языковая модель

Модель, работающая с изображениями и текстом. В зависимости от обучения она может описывать изображения, находить объекты или распознавать текст.

На практике

Такая модель связывает визуальные признаки с текстом и может отвечать на вопросы о фотографии. Например, описать расположение предметов или прочитать часть надписи.

Что учитывать

Мелкие детали, точный подсчёт и сложная вёрстка могут вызывать ошибки. Для извлечения текста из документов полезно сравнить результат со специализированным OCR.