التمثيل الرمزي

تحويل المحتوى البصري إلى أوصاف نصية منظَّمة (كالأوصاف ومربعات الإحاطة) ليتمكن نموذج نصي فقط من فهم محتوى الصورة دون رؤيتها.

Converting visual content into structured text descriptions (like captions and bounding boxes) so a text-only model can understand image content without seeing it.