Génération image-à-texte - Historique des versions

Arianne : Arianne a déplacé la page Modèle de langue visuel vers Génération image-à-texte

2024-11-04T16:10:03Z

Arianne a déplacé la page Modèle de langue visuel vers Génération image-à-texte

← Version précédente	Version du 4 novembre 2024 à 12:10
(Aucune différence)

Arianne le 4 novembre 2024 à 16:09

2024-11-04T16:09:30Z

← Version précédente		Version du 4 novembre 2024 à 12:09
Ligne 10 :		Ligne 10 :
	''' génération image-à-texte'''		''' génération image-à-texte'''

	''' génération texte~~-image~~'''		''' génération image-texte'''

	== Anglais ==		== Anglais ==

Arianne le 4 novembre 2024 à 16:08

2024-11-04T16:08:56Z

← Version précédente		Version du 4 novembre 2024 à 12:08
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Les modèles ~~de langues visuels~~ sont des modèles multimodaux ~~et ils appartiennent~~ à la catégorie des modèles génératifs. Ils prennent des images ainsi que des textes en entrée pour ensuite générer des textes en sortie. Ils peuvent accomplir de nombreuses tâches liées au ''langage visuel'', telles que le sous-titrage d'images ou la réponse à des questions visuelles. L''''[[apprentissage contrastif]]''' est couramment utilisé pour leur '''[[préentraînement]]'''.		Les modèles génératifs image-texte sont des modèles multimodaux appartenant à la catégorie des modèles génératifs. Ils prennent des images ainsi que des textes en entrée pour ensuite générer des textes en sortie. Ils peuvent accomplir de nombreuses tâches liées au ''langage visuel'', telles que le sous-titrage d'images ou la réponse à des questions visuelles. L''''[[apprentissage contrastif]]''' est couramment utilisé pour leur '''[[préentraînement]]'''.

	Voir aussi '''[[modèle génératif]]''' et '''[[modèle multimodal]]'''		Voir aussi '''[[modèle génératif]]''' et '''[[modèle multimodal]]'''
Ligne 8 :		Ligne 8 :

	== Français ==		== Français ==
	''' ~~modèle de langue visuel~~'''		''' génération image-à-texte'''

			''' génération texte-image'''

	== Anglais ==		== Anglais ==

Pitpitt le 25 octobre 2024 à 01:23

2024-10-25T01:23:02Z

← Version précédente		Version du 24 octobre 2024 à 21:23
Ligne 30 :		Ligne 30 :
	[https://huggingface.co/blog/vision_language_pretraining Source : huggingface]		[https://huggingface.co/blog/vision_language_pretraining Source : huggingface]

	[[Catégorie:~~publication~~]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Arianne : Arianne a déplacé la page Vision-Language Model vers Modèle de langue visuel

2024-10-23T15:58:55Z

Arianne a déplacé la page Vision-Language Model vers Modèle de langue visuel

← Version précédente	Version du 23 octobre 2024 à 11:58
(Aucune différence)

Arianne le 23 octobre 2024 à 15:58

2024-10-23T15:58:28Z

← Version précédente		Version du 23 octobre 2024 à 11:58
Ligne 1 :		Ligne 1 :
	~~== en construction ==~~

	== Définition ==		== Définition ==
	Les ~~XXXXXXX~~ sont des modèles multimodaux et ils appartiennent à la catégorie des modèles génératifs. Ils prennent des images et des textes en entrée pour ensuite générer des textes en sortie ~~et ils~~ peuvent accomplir de nombreuses tâches liées au ''langage visuel'', telles que le sous-titrage d'images ou la réponse à des questions visuelles. L''''[[apprentissage contrastif]]''' est couramment utilisé pour leur '''[[préentraînement]]'''.		Les modèles de langues visuels sont des modèles multimodaux et ils appartiennent à la catégorie des modèles génératifs. Ils prennent des images ainsi que des textes en entrée pour ensuite générer des textes en sortie. Ils peuvent accomplir de nombreuses tâches liées au ''langage visuel'', telles que le sous-titrage d'images ou la réponse à des questions visuelles. L''''[[apprentissage contrastif]]''' est couramment utilisé pour leur '''[[préentraînement]]'''.

	Voir aussi '''[[modèle génératif]]''' et '''[[modèle multimodal]]'''		Voir aussi '''[[modèle génératif]]''' et '''[[modèle multimodal]]'''

	==~~compléments~~==		== Compléments ==
	à ~~faire~~		Les modèles de langue visuels ont également commencé à incorporer des instructions et '''[[apprentissage par renforcement et rétroaction humaine]]''' (ARRH) afin d'améliorer les capacités de dialogue multimodal et d'aligner les résultats sur les réponses souhaitées.

	== Français ==		== Français ==
	''' ~~XXXXXX~~'''		''' modèle de langue visuel'''

	== Anglais ==		== Anglais ==
	''' ~~Vision~~-~~Language Model~~'''		''' vision-language model'''

	''' ~~Vision Language Model~~'''		''' vision language model'''

	''' ~~Visual Language Model~~'''		''' visual language model'''

	''' VLM'''		''' VLM'''
Ligne 32 :		Ligne 30 :
	[https://huggingface.co/blog/vision_language_pretraining Source : huggingface]		[https://huggingface.co/blog/vision_language_pretraining Source : huggingface]

	[[Catégorie:~~vocabulary~~]]		[[Catégorie:publication]]

Arianne le 15 octobre 2024 à 18:16

2024-10-15T18:16:15Z

← Version précédente		Version du 15 octobre 2024 à 14:16
Ligne 2 :		Ligne 2 :

	== Définition ==		== Définition ==
	~~xxxxx~~		Les XXXXXXX sont des modèles multimodaux et ils appartiennent à la catégorie des modèles génératifs. Ils prennent des images et des textes en entrée pour ensuite générer des textes en sortie et ils peuvent accomplir de nombreuses tâches liées au ''langage visuel'', telles que le sous-titrage d'images ou la réponse à des questions visuelles. L''''[[apprentissage contrastif]]''' est couramment utilisé pour leur '''[[préentraînement]]'''.

			Voir aussi '''[[modèle génératif]]''' et '''[[modèle multimodal]]'''

			==compléments==
			à faire

	== Français ==		== Français ==
Ligne 16 :		Ligne 21 :
	''' VLM'''		''' VLM'''

			''Vision-language model are multimodal models belonging to generative models that take image and text inputs, and generate text outputs. They can accomplish various vision-language tasks suchs as image captioning and visual question answering. In their pretraining, contrastive learning is commonly used. ''

			''Vision-language models have also begun to incorporate instruction-fine-tuning and Reinforcement Learning from Human Feedback (RLHF) in vision-language models to improve multimodal chat capabilities and align outputs with desired responses.''

	==Sources==		==Sources==
	[https://arxiv.org/abs/2405.17247 Source : arxiv]		[https://arxiv.org/abs/2405.17247 Source : arxiv]

			[https://huggingface.co/blog/vlms Source : huggingface]

			[https://huggingface.co/blog/vision_language_pretraining Source : huggingface]

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]

Arianne : Page créée avec « == en construction == == Définition == xxxxx == Français == ''' XXXXXX''' == Anglais == ''' Vision-Language Model''' ''' Vision Language Model''' ''' Visual Language Model''' ''' VLM''' ==Sources== [https://arxiv.org/abs/2405.17247 Source : arxiv] Catégorie:vocabulary »

2024-10-04T14:38:21Z

Page créée avec « == en construction == == Définition == xxxxx == Français == ''' XXXXXX''' == Anglais == ''' Vision-Language Model''' ''' Vision Language Model''' ''' Visual Language Model''' ''' VLM''' ==Sources== [https://arxiv.org/abs/2405.17247 Source : arxiv] Catégorie:vocabulary »

Nouvelle page

== en construction ==

== Définition ==
xxxxx

== Français ==
''' XXXXXX'''

== Anglais ==
''' Vision-Language Model'''

''' Vision Language Model'''

''' Visual Language Model'''

''' VLM'''

==Sources==
[https://arxiv.org/abs/2405.17247 Source : arxiv]

[[Catégorie:vocabulary]]