多模态机器学习,英文全称 MultiModal Machine Learning (MMML),旨在通过机器学习的方法实现处理和理解多源模态信息的能力。
每一种信息的来源或者形式,都可以称为一种模态。例如,人有触觉,听觉,视觉,嗅觉;信息有语音、视频、文字等媒介;多种多样的传感器,如雷达、红外、加速度计等。以上的每一种都可以称为一种模态。
模态也可以有非常广泛的定义,比如我们可以把两种不同的语言当做是两种模态,甚至在两种不同情况下采集到的数据集,亦可认为是两种模态。
当下,多模态技术有着相当广泛的应用场景,如淘宝搜图、AI字幕、AI虚拟数字人、仿人交互、智能助手、商品推荐和信息流广告、视频帧人脸帧的图向量检索、语音交互等等。
我们很荣幸邀请到了在职高级算法研究员Clark老师,利用1小时左右的时间,为大家系统地梳理多模态技术。
直播分享内容
01
PART
  • 01 多模态模型的发展趋势 
  • 02 多模态数据集 
  • 03 常见多模态下游任务
02
PART
主讲老师
直播时间
03
PART
  • 4月16日晚20:00-21:00
对多模态技术感兴趣的同学,扫下方二维码,预约直播。

扫码支付0.1元即预约成功
直播晚会有工作人员联系你~
继续阅读
阅读原文