Modelos de lenguaje visual (Spanish Edition)
by Merve Noyan, Andrés Marafioti, Miquel Farré, Orr Zohar
Prefacio
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Hoy en día, puedes sacar tu celular en un museo, tomar una foto de un cuadro y preguntarle a un modelo sobre las influencias del artista y qué es lo que la obra podría estar tratando de transmitir. El mismo modelo puede ver los videos en tu celular y darte resúmenes rápidos para ayudarte a encontrarlos más tarde. Los modelos de lenguaje visual (VLM, por sus siglas en inglés) hacen que todo esto sea posible al conectar la percepción visual y el lenguaje. Han pasado rápidamente de ser prototipos de investigación a productos reales que la gente usa todos los días.
Pero crear cosas nuevas con estos modelos es más difícil de lo que sugiere la experiencia del usuario. El campo avanza rápido, cada día salen nuevos artículos y la orientación práctica está dispersa en entradas de blog, documentación de bibliotecas y conocimientos informales que se comparten en eventos de networking. Si quieres usar, entrenar o ajustar un VLM, no es obvio cómo elegir la arquitectura adecuada, cómo organizar tus conjuntos de datos o cómo realizar la implementación de manera eficiente. Terminas juntando los pedazos de conocimiento tú mismo.
Este libro es nuestro intento de cambiar eso. Es el libro que nos hubiera gustado tener cuando el trabajo multimodal dejó de ser una curiosidad de investigación y se convirtió en un problema de ingeniería.
Lo escribimos como un equipo que ha pasado ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access