大火的多模态，落地了吗？

01

多模态机器学习

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。

02

爆火的多模态

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。

但是，另一方面，多模态技术又存在门槛高、落地困难等等缺点。

03

多模态技术1小时综述

我给大家分享在职高级算法研究员Clark老师的《1小时多模态技术综述》，系统地为大家介绍多模态的发展趋势和常见任务。

*01

分享内容

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

主讲人

对多模态技术感兴趣的同学

扫下方二维码观看

扫码支付0.1元即可观看

添加客服可领取分享的PPT讲义

04

多模态学习路径

01 多模态理论基础

学习多模态预训练相关论文——CLIP、ALIGN、VILT

02 自监督算法

学习一些多模态预训练可能用到的自监督方案——MAE、DINO、MOCO

03 多模态下游任务介绍

主要了解VQA任务和nlvr任务

04 多模态应用

Image Captioning案例、阿里电商跨模态检索案例。了解任务介绍、baseline搭建、模型优化、结果展示。

05 多模态项目

AI智能文案、基于多模态预训练模型的手机相册管理与检索、AI唇语识别、基于深度多模态目标检测和语义分割的自动驾驶

对多模态技术感兴趣的同学

扫下方二维码观看

扫码支付0.1元即可观看

添加客服可领取分享的PPT讲义