المُرمِّز الثنائي

بنية بمُرمِّزَين منفصلَين (مثلاً واحد للصور وآخر للنصوص) ينتجان تضمينات في فضاء مشترك، مما يتيح المقارنة بين الوسائط.

An architecture with two separate encoders (e.g. one for images, one for text) that produce embeddings in a shared space, enabling cross-modal comparison.