【AI知多少】單模態到多模態：LLM、VLM、Video-LM

Posted By owenou on 3 月 14, 2025 in Gemini, LLaVA, Multimodal, Vision Transformer, 技術導讀, 知識庫

從單模態的LLM出發，目前的AI正如火如荼朝向多模態模型發展，特別是處理語言 + 平面視覺或連續視覺的VLM及Video-LM模型，讓AI看圖說故事或說故事生影片的情境成真了。