فجوة الوسائط

الفرق الجوهري في فضاءات التمثيل بين وسيطين مختلفين (مثل الرؤية واللغة). السمات البصرية الخام لا تعني شيئاً بالنسبة للنموذج اللغوي بدون آلية ترجمة بينهما.

The fundamental difference in representation spaces between two modalities (e.g., vision and language). Raw visual features are meaningless to a language model without a translation mechanism between them.