مطابقة الصورة والنص

مهمة تصنيف ثنائي تتنبأ بما إذا كان زوج من الصورة والنص متطابقاً أم لا. تُستخدم لتعليم النموذج المحاذاة الدقيقة بين الوسيطين البصري واللغوي.

A binary classification task that predicts whether an image-text pair is matched. Used to teach the model fine-grained alignment between the visual and linguistic modalities.