Görsel-dil modeli
CLIP, görselleri ve açıklamaları ortak bir öğrenme hedefiyle bağlar. Dil açıklamalarından görsel kavramları tanımayı destekler; bir eylemin sahneyi nasıl değiştireceğini tahmin etmek ayrı bir sorudur.
Neden önemli?
Gözlemi dille eşleştirmek algısal bağlam sağlar. Bu, tek başına planlama veya kontrol yetkinliği göstermez.
İlişkiler
bilgi sağlarBüyük dil modeli → Görsel-dil modelibilgi sağlarGörsel-dil modeli → Dünya modeli