إيمج بايند

نموذج من ميتا يتعلم فضاء تضمين مشتركاً واحداً يربط ست وسائط (الصورة، والنص، والصوت، والعمق، والحرارة، ووحدة القياس بالقصور الذاتي)، باستخدام الصورة محوراً وسيطاً، فيمكِّن مهام متعدّدة الوسائط دون بيانات مقترنة لكل ثنائي.

A Meta model that learns a single joint embedding space binding six modalities (image, text, audio, depth, thermal, and IMU) by using image as the pivot modality, enabling cross-modal tasks without paired data for every combination.