Milline järgmistest süsteemidest kasutab kõige tõenäolisemalt erinevate modaalsuste ühist representatsiooniruumi?

Question

Accepted Answer

Süsteem, mis paigutab pildid ja tekstid samasse vektorruumi, et hinnata nende semantilist sarnasust.

Answer

Süsteem, mis analüüsib video kaadreid järjestikku ja ennustab igas kaadris nähtavad objektid.

Answer

Süsteem, mis genereerib tekstilise kirjelduse pildi põhjal kooder-dekooder arhitektuuri abil.

Answer

Süsteem, kus kõnetuvastus teisendab heli tekstiks ja masintõlge teisendab selle teise keelde.

Crowdly