ALIGN

نموذج ثنائي المُرمِّز من جوجل يتعلم تمثيلات مشتركة للصور والنصوص من أكثر من مليار زوج (صورة، نص بديل) مأخوذة من الويب دون تنقية دقيقة.

A dual-encoder model from Google that learns joint image–text representations from a noisy dataset of over a billion (image, alt-text) pairs scraped from the web.