学科树

从研究方向出发，找到想学的具体主题。

人工智能 / 多模态

多模态

连接语言、图像、视频和音频，理解或生成多种形式的信息。

图文对齐 →视觉语言模型 →文档理解 →音视频理解 →跨模态检索 →多模态生成 →

0 个资源分类依据 ↗

这个主题已经建立，暂时还没有已发布的资源。
正式收录后会出现在这里。