大規模マルチモーダルモデルとファインチューニングされたビジョントランスフォーマーの画像ベースのセキュリティアプリケーションにおける有効性の評価

大規模マルチモーダルモデルは画像とテキストの統合分析を可能にするが、画像ベースのセキュリティ課題では、ファインチューニングされたビジョントランスフォーマーの方が高い精度と信頼性を示す。