Verbesserung der Leistung von CLIP-ähnlichen Modellen bei der kompositionellen Bild-Text-Zuordnung durch kausale Modellierung
Durch das Aufbrechen von Bildern in unabhängige visuelle Konzepte (Subjekt, Objekt, Prädikat) und die Verwendung dieser Konzepte zur dynamischen Gewichtung der Ähnlichkeitsberechnung zwischen Bild und Text kann die Leistung von CLIP-ähnlichen Modellen bei der kompositionellen Bild-Text-Zuordnung deutlich verbessert werden.
Verbesserung der Leistung von CLIP-ähnlichen Modellen bei der kompositionellen Bild-Text-Zuordnung durch kausale Modellierung
Durch das Aufbrechen von Bildern in unabhängige Komponenten (Subjekt, Objekt, Prädikat) und die Verwendung dieser Komponenten zur Verbesserung der Bild-Text-Zuordnung kann die Leistung von CLIP-ähnlichen Modellen gesteigert werden.
Verbesserung der Leistung von CLIP-ähnlichen Modellen bei der kompositionellen Bild-Text-Zuordnung durch kausale Modellierung
Durch die Zerlegung von Bildern in unabhängige visuelle Konzepte (Subjekt, Objekt, Prädikat) und die Verwendung dieser Konzepte zur dynamischen Gewichtung der Ähnlichkeitsberechnung zwischen Bild und Text kann die Leistung von CLIP-ähnlichen Modellen bei der kompositionellen Bild-Text-Zuordnung verbessert werden.
