哪一種才是屬於「多模態」(Multimodal)的人工智能模型？
A音檔轉成文字。
B披薩海報轉文字食譜。正確答案
C偵測特定物件。
D少量醫學影像的擴增。
答案與詳解
為什麼答案是 B
將披薩海報（視覺圖像）轉換為文字食譜（自然語言），需要模型具備視覺理解與語言生成的跨模態推理能力，屬於標準的視覺與語言多模態（Vision-Language）應用。
載入中…
將披薩海報（視覺圖像）轉換為文字食譜（自然語言），需要模型具備視覺理解與語言生成的跨模態推理能力，屬於標準的視覺與語言多模態（Vision-Language）應用。
Examly 收錄 38 萬+ 道歷屆題目，每題都有像這樣的精選詳解。免費下載，立即開練。
