التأريض البصري

قدرة النموذج على ربط المفاهيم اللغوية بمناطق محددة في الصورة. في VQA، التأريض يعني أن النموذج ينظر إلى المنطقة الصحيحة عند الإجابة عن سؤال حول جزء معين من المشهد.

The ability of a model to link linguistic concepts to specific regions in an image. In VQA, grounding means the model attends to the correct region when answering a question about a specific part of the scene.