OWL-ViT чист?

OWL-ViT (Open-World Learning Vision Transformer) моделест, ки имкониятҳои коркарди тасвир ва матнро барои ҳалли вазифаҳои фаҳмиши бисёрмодалӣ дар бар мегирад. Он ба архитектураи Vision Transformer (ViT) асос ёфтааст ва барои ҷаҳони кушод тарҳрезӣ шудааст, яъне қобилияти шенасоии ва пайваст кардани объектҳо ва консепсияҳое, ки дар маҷмӯаи омӯзишӣ ба таври равшан намоён набуданд.

Назарияи асосии OWL-ViT истифодаи моделҳои бузурги забон ва трансформаторҳо барои пайваст кардани хусусиятҳои визуалӣ бо тавсифҳои матнӣ мебошад, ки ба модел имкон медиҳад, ки вазифаҳоро иҷро кунад, мисли ҷустуҷӯи объектҳо дар тасвир бо истифода аз дархостҳои матнӣ, класификатсия бо маҷмӯаи кушод ва истеҳсоли тавсифҳо.

Маслиҳат барои истифода: ҷустуҷӯи объектҳо дар тасвир бо дархости матнӣ, ҳатто агар объект пештар барои модел маълум набуд.